-
公开(公告)号:CN118279957A
公开(公告)日:2024-07-02
申请号:CN202410443879.0
申请日:2024-04-14
Applicant: 西南科技大学
IPC: G06V40/16 , G06V10/26 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/82 , G06N3/09
Abstract: 本发明公开了一种基于计算机视觉的面部微表情识别系统。本发明中,包括面部数据采集模块、无线数据传输模块、数据预处理模块、面部特征提取模块、识别模型训练模块、模型评估模块、模型部署模块、图像增强模块、图像分割模块、欧拉视频放大模块、面部表情矫正分割模块、识别模型构建模块,识别模型训练模块内部的模块基于计算机视觉进行训练,模型能够学习到区分不同微表情的复杂特征,从而在实际应用中更准确地识别微表情。训练过程中的数据增强和模型正则化等技术可以帮助模型在遇到新的、未见过的数据时仍然保持较高的识别性能。训练好的模型可以自动进行微表情识别,减少了对专业人员进行微表情分析的需求,提高了识别的效率和准确率。
-
公开(公告)号:CN119579690A
公开(公告)日:2025-03-07
申请号:CN202411644277.8
申请日:2024-11-18
Applicant: 西南科技大学
Abstract: 本发明公开了一种基于点线融合的视觉惯性SLAM方法及系统,涉及图像处理技术领域,解决了当前SLAM方法在处理过多线特征时,无法有效选择稳定且具有区分性的特征的问题,方案要点:基于正、反向光流结合的跟踪算法对视觉数据进行点特征提取与跟踪,基于线特征选择与均匀化优化后的线段检测模型对视觉数据进行线特征选择和优化;基于滑动窗口模型对视觉数据和惯性数据分别进行边缘化并转化为先验信息,基于分布式优化策略改进边缘化步骤;通过在数据预处理时设置特殊的特征检测与匹配,在后端非线性优化时设置边缘化残差处理滑动窗口优化,增强点线特征的稳定性和准确性,提升系统的运行效率。
-