一种面向孤独症的视觉运动整合能力智能化识别系统

    公开(公告)号:CN112686121A

    公开(公告)日:2021-04-20

    申请号:CN202011559432.8

    申请日:2020-12-25

    Abstract: 本发明公开了一种面向孤独症的视觉运动整合能力智能化识别系统,包括:用户登录模块、控制与通信模块、游戏提供模块、游戏绩效分析模块、视觉注意感知模块、手部动作感知模块、视觉感知判定模块、手眼协调判定模块、精细动作识别模块和视觉运动整合能力识别模块。本发明从视觉感知、精细动作、手眼协调三个方面对视觉运动整合进行智能化识别,可对孤独症的视觉运动整合能力进行综合全面精准地识别,并且针对其中的手眼协调能力和精细动作能力,设计合理的计算方法,使得识别更为精细化。

    一种自然环境下多尺度子块聚合的表情识别方法及系统

    公开(公告)号:CN112036260A

    公开(公告)日:2020-12-04

    申请号:CN202010795929.3

    申请日:2020-08-10

    Abstract: 本发明公开了一种自然环境下多尺度子块聚合的表情识别方法及系统。该方法包括:预定义多尺度参数,将表情图片输入到回归卷积神经网络,获取所述表情图片的注意力区域参数;根据所述注意力区域参数对所述表情图片采样子块,为每个尺度的每个子块分别构建堆叠卷积层,利用所述堆叠卷积层提取所有子块的特征;将相同尺度下的所有子块的所述特征进行融合,获取每个尺度对应的单一尺度融合特征向量;提取所述表情图片的全局特征,将所有尺度的所述单一尺度融合特征向量以及所述全局特征进行聚合后输入到全连接层网络,获取表情识别结果。本发明的表情识别无需依赖于手工选择或人脸特征点,提升了自然条件下表情识别精度。

    学生课堂学习兴趣智能分析方法及系统

    公开(公告)号:CN108399376B

    公开(公告)日:2020-11-06

    申请号:CN201810124929.3

    申请日:2018-02-07

    Abstract: 一种学生课堂学习兴趣智能分析方法,其特征在于,包括以下步骤:采集教室内场景图像,在场景图像中定位人脸;在人脸区域中估计头部姿态,根据头部姿态评估学生的认知注意力集中程度;在人脸区域中估计面部表情,根据表情评估学生的学习情绪;记录学生在课堂上互动答题的频率与正确率,根据答题的频率与正确率评估学生的参与度;融合学生的认知注意力、学习情绪和课堂参与度三维信息,分析学生的学习兴趣。本发明还提供了一种实现上述方法的系统。应用本发明能够客观地、实时地、准确地对课堂上学生的学习兴趣进行监控与分析,为授课教师提供及实时反馈,帮助其及时调整教学方式以提高教学效果。

    学生课堂学习兴趣智能分析方法及系统

    公开(公告)号:CN108399376A

    公开(公告)日:2018-08-14

    申请号:CN201810124929.3

    申请日:2018-02-07

    Abstract: 一种学生课堂学习兴趣智能分析方法,其特征在于,包括以下步骤:采集教室内场景图像,在场景图像中定位人脸;在人脸区域中估计头部姿态,根据头部姿态评估学生的认知注意力集中程度;在人脸区域中估计面部表情,根据表情评估学生的学习情绪;记录学生在课堂上互动答题的频率与正确率,根据答题的频率与正确率评估学生的参与度;融合学生的认知注意力、学习情绪和课堂参与度三维信息,分析学生的学习兴趣。本发明还提供了一种实现上述方法的系统。应用本发明能够客观地、实时地、准确地对课堂上学生的学习兴趣进行监控与分析,为授课教师提供及实时反馈,帮助其及时调整教学方式以提高教学效果。

    一种基于差分深度特征的人脸表情识别方法及系统

    公开(公告)号:CN107808113A

    公开(公告)日:2018-03-16

    申请号:CN201710822364.1

    申请日:2017-09-13

    Abstract: 本发明提供了一种基于差分深度特征的人脸表情识别方法及系统,属于模式识别技术领域。该方法为:从样本人脸区域帧序列中提取人脸深度特征,依据人脸深度特征从样本人脸区域帧序列中提取中性表情帧和峰值表情帧;将样本图像帧序列的峰值表情帧的人脸深度特征减去中性表情帧的人脸深度特征作为差分深度特征;将样本图像帧序列的差分深度特征和对应的表情作为训练输入,训练得到表情分类器,利用表情分类器实现表情分类。本发明将差分概念引入深度特征,提出了差分深度特征表示人脸表情,能在最大化保留人脸表情信息的同时,消除个体差异以及环境噪声,所用特征对表情的区分能力强,能够提高表情识别的鲁棒性。

    一种基于加权决策树的优化随机森林分类方法及系统

    公开(公告)号:CN107766883A

    公开(公告)日:2018-03-06

    申请号:CN201710961077.9

    申请日:2017-10-13

    CPC classification number: G06K9/6268 G06K9/6256

    Abstract: 本发明提供了一种基于加权决策树的优化随机森林分类方法及系统,属于模式识别技术领域。该方法为:采用自举法生成多个训练数据集;对每个训练数据集随机抽取特征集;训练决策树,并根据特征集的统计特性或决策树的性能为每个决策树分配投票权重;引入投票机制,加速随机森林的分类过程。本发明利用训练样本的统计特性或决策树的分类性能来分配决策树的投票权重,并利用投票机制加速决策进程,能有效提高随机森林的分类性能和分类效率。

    一种多线索关联学习的面部表情识别方法及系统

    公开(公告)号:CN116311454A

    公开(公告)日:2023-06-23

    申请号:CN202310288548.X

    申请日:2023-03-22

    Abstract: 本发明提供了一种多线索关联学习的面部表情识别方法及系统,属于计算机视觉技术领域,方法为:将预识别的面部图像输入至学生模型或/和教师模型中进行面部表情识别;训练方法为:对全局脸样本图像裁剪为上下半张脸样本图像;提取线索特征;获取上半张脸样本图像、下半张脸样本图像和全局脸样本图像对应的邻接矩阵;采用特征级的注意力机制将关联语义融合获取教师模型;采用交叉熵损失监督训练教师模型;采用标签蒸馏,利用KL散度和交叉熵损失以监督学生模型训练。本发明利用关联线索增强模型的学习能力,用于解决自然场景下的表情识别问题。

    一种多头部姿态人脸表情识别方法及其应用

    公开(公告)号:CN113221799B

    公开(公告)日:2022-08-16

    申请号:CN202110567612.9

    申请日:2021-05-24

    Abstract: 本发明公开了一种多头部姿态人脸表情识别方法及其应用。该方法包括步骤:获取训练样本对,所述训练样本对中包括同一表情的正脸图片和非正脸图片;将所述训练样本对输入到预先构建的识别模型进行训练,所述识别模型包括正脸识别网络和非正脸识别网络,所述正脸识别网络包括特征提取主干网络和正脸表情特征提取网络,所述非正脸识别网络包括特征提取主干网络、注意力模块和非正脸表情分类网络,所述正脸识别网络和所述非正脸识别网络两者的特征提取主干网络的参数共享,训练时最小化所述非正脸表情分类网络与所述正脸表情特征提取网络两者输出的表情特征之间的表情差异损失。本发明能够消除头部姿态对表情识别的干扰,有效提高表情分类精度。

    一种基于隐变量分析的人脸表情强度识别方法及系统

    公开(公告)号:CN112686117B

    公开(公告)日:2022-08-16

    申请号:CN202011553206.9

    申请日:2020-12-24

    Abstract: 本发明公开了一种基于隐变量分析的人脸表情强度识别方法及系统。该方法采用孪生卷积神经网络结构,将卷积神经网络前端提取到的人脸特征通过隐变量分析方法划分为正交的身份子空间和表情子空间,最小化孪生网络两个支路的身份子空间特征差异,能有效地分离身份特征和表情特征,同时对表情子空间做基于时序的排序约束和半监督回归训练,得到表情强度识别模型,可用于连续的人脸表情强度识别。本发明将隐变量分析用于表情强度识别,将人脸特征划分为身份相关特征和表情相关特征,抑制身份信息对表情强度信息的干扰,能有效提高表情强度识别的鲁棒性。

Patent Agency Ranking