-
公开(公告)号：CN109934204A
公开(公告)日：2019-06-25
申请号：CN201910229914.8
申请日：2019-03-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于卷积神经网络的人脸表情识别方法，属于人脸面部识别技术领域。该方法包括以下步骤：在训练期间，系统接收包括脸部的灰度图像及其各自的表情标签和眼睛中心位置的训练数据，生成新图像以增加数据库大小；对生成新图像进行预处理，包括旋转校正，裁剪，下采样等，归一化后的新图像用于训练卷积神经网络；通过验证，输出获得最佳结果的权重值；在测试期间，系统接收脸部的灰度图像以及其各自的眼睛中心位置，并且通过使用在训练期间学习到的最终网络权重来输出预测表达，判断该图像所属表情。本方法更加准确、快速，且具有可实时操作，对受控环境质量要求小，可跨数据库评估，可用标准计算机进行操作等优点。
-
公开(公告)号：CN110110644A
公开(公告)日：2019-08-09
申请号：CN201910359078.5
申请日：2019-04-30
Applicant: 重庆邮电大学
Abstract: 本发明提出一种多尺度融合面部特征提取方法，包括：对人脸图像样本进行多尺度划分；提取进行多尺度划分后的训练集样本中的样本图像的特征值；使用粗糙集理论进行特征值选择，获得样本特征值；根据所述样本特征值，使用支持向量机训练并实现多分类识别。本发明能够使得提取出的特征值更能够表征样本图片，减少外部环境对特征提取的影响，提高识别与鉴定的准确性，同时选取的特征值有更强的鉴别特征，以保证提取特征值的鲁棒性，提高识别效率。本发明所使用的提取方案简单快捷，使用较少的计算资源可以达到较高的精确度，可以很好的应用在图像识别、人机交互等领域。
-
公开(公告)号：CN109614899B
公开(公告)日：2022-07-01
申请号：CN201811446456.5
申请日：2018-11-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于李群特征和卷积神经网络的人体动作识别方法，属于计算机模式识别领域。该方法包括：S1：数据获取，利用微软体感设备Kinect提取人体骨骼信息，获取实验者的运动信息；S2：提取李群特征，采取一种利用刚性肢体变换来模拟人体各肢体间的相对三维几何关系的李群骨骼表示方法，将人体动作建模为李群上一系列曲线，进而结合李群和李代数间的对应关系，利用对数映射将基于李群空间的曲线映射为基于李代数空间的曲线；S3：特征分类，融合李群特征和卷积神经网络，利用李群特征训练卷积神经网络，让卷积神经网络对李群特征进行学习、分类，从而实现人体动作识别。本发明能够取得很好的识别效果。
-
Patent Agency Ranking
公开(公告)号：CN110084220A
公开(公告)日：2019-08-02
申请号：CN201910378462.X
申请日：2019-05-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多尺度二进制模式的车载疲劳检测方法，解决的是检测精度低的技术问题，通过采用将训练样本图像划分成若干不重复的子区域，使用多尺度局部二进制模式进行特征提取，获得多尺度局部二进制图像特征；对多尺度局部二进制图像特征进行离散傅里叶变化，得到多尺度二进制模式的直方图傅里叶特征向量；步骤四，连接构成多尺度二进制模式的直方图傅里叶特征向量，用于表征图像特征，选择核函数，用非线性支持向量机对样本图像的MLBP特征进行分类训练，并得到训练后的SVM分类模型和参数的技术方案，较好的解决了该问题，可用于车载疲劳检测中。
-
公开(公告)号：CN109146066A
公开(公告)日：2019-01-04
申请号：CN201811296271.0
申请日：2018-11-01
Applicant: 重庆邮电大学
CPC classification number: G06N3/0445 , G06N3/0454 , G06N3/0481 , G06N3/08 , G10L25/30 , G10L25/63
Abstract: 本发明涉及一种基于语音情感识别的虚拟学习环境自然交互方法，属于深度学习领域，包括步骤S1：通过kinect采集学生用户的语音信号，进行重采样，分帧加窗，静音处理，得到短时单帧信号；S2：对信号进行快速傅里叶变换得到频域数据，求其功率谱，采用梅尔滤波器组得到梅尔频谱图；S3：将梅尔频谱图特征输入卷积神经网络，进行卷积操作与池化操作，并将最后一层降采样后的各矩阵向量，输入到全连接层，构成一个向量输出特征；S4：将输出特征压缩输入到双向长短时记忆神经网络中；S5：将输出特征输入到支持向量机中分类输出分类结果；S6：将分类结果反馈到虚拟学习系统中进行虚拟学习环境交互。本发明驱动学习者调整学习状态，增强虚拟学习环境的实用性。
-
公开(公告)号：CN110211573A
公开(公告)日：2019-09-06
申请号：CN201910450074.8
申请日：2019-05-28
Applicant: 重庆邮电大学
IPC: G10L15/06 , G10L15/16 , G06F16/332 , G06F16/35 , G06F17/27
Abstract: 本发明提供了一种基于神经网络模型的任务驱动型对话决策方法，通过训练模型内的置信状态跟踪器及其他部分参数，由意图识别模型生成的编码矢量作为意图分布和置信状态跟踪器生成的置信状态概率分布，交由数据库使用采集好的语料库进行查询，使用数据库搜索结果、意图分布以及概率分布交由策略网络组合形成系统动作，传递给生成网络组合输出系统应答，完成对话功能，拥有鲁棒性较好等特点，解决了当下任务驱动型对话系统存在的模型表达能力较差，训练难度大，模型可学习性限制较多，模型训练数据量庞大，模型训练奖励机制不完整，具体领域内实用性较差等问题。
-
公开(公告)号：CN109918493A
公开(公告)日：2019-06-21
申请号：CN201910208674.3
申请日：2019-03-19
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06N3/04
Abstract: 本发明涉及一种基于长短期记忆神经网络的对话生成方法，属于神经网络算法领域。通过模型训练和模拟对话两个阶段来拓展特定对话语料库。该算法充分利用双向LSTM神经网络能够有效学习、可以捕获长序依赖关系和上下文关系的优点，构建编码器-解码器对话生成模型模拟用户对话动作，使得模仿生成的对话语料更接近于真实对话，实现平滑、通用性强、更长轮次的对话生成，为训练基于统计的对话系统提供数据保障。因此采用长短期记忆神经网络进行对话生成的算法对于基于统计的人机交互系统具有重要的理论意义和应用价值。
-
公开(公告)号：CN109614899A
公开(公告)日：2019-04-12
申请号：CN201811446456.5
申请日：2018-11-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于李群特征和卷积神经网络的人体动作识别方法，属于计算机模式识别领域。该方法包括：S1：数据获取，利用微软体感设备Kinect提取人体骨骼信息，获取实验者的运动信息；S2：提取李群特征，采取一种利用刚性肢体变换来模拟人体各肢体间的相对三维几何关系的李群骨骼表示方法，将人体动作建模为李群上一系列曲线，进而结合李群和李代数间的对应关系，利用对数映射将基于李群空间的曲线映射为基于李代数空间的曲线；S3：特征分类，融合李群特征和卷积神经网络，利用李群特征训练卷积神经网络，让卷积神经网络对李群特征进行学习、分类，从而实现人体动作识别。本发明能够取得很好的识别效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
