-
公开(公告)号：CN106530324A
公开(公告)日：2017-03-22
申请号：CN201610921845.3
申请日：2016-10-21
Applicant: 华中师范大学
CPC classification number: G06K9/6268 , G06T2207/10016 , G06T2207/20081
Abstract: 本发明公开了一种模拟视觉皮质机制的视频目标跟踪方法，包括离线训练和在线跟踪；所述离线训练：构建跟踪目标图像样本集；对样本建立图像金字塔，提取BIM特征，进行分类器训练；所述在线跟踪：对待检测图像初始化检测区域，建立检测区域的图像金字塔；对图像金字塔提取BIM特征，在提取BIM特征的过程中得到多个匹配子块，利用匹配子块预测目标候选区域；依据分类器判定结果从候选区域中迭代选出潜在目标区域；从潜在目标区域中选取目标区域概率最大者即为最终的目标区域。本发明利用BIM建立目标的外观模型并引入跟踪框架，能够模拟视觉皮质工作机制稳健地跟踪目标。
-
公开(公告)号：CN113869415B
公开(公告)日：2024-09-27
申请号：CN202111144337.6
申请日：2021-09-28
Applicant: 华中师范大学
Abstract: 本发明公开了一种问题行为检测与预警系统，包括视频监控模块、行人重识别模块、表情识别模块、行为识别模块、数据关联模块、情绪分析模块、人际关系分析模块和问题行为预警模块。通过行人重识别模块获取待检测对象身份信息与行为轨迹，通过身份信息将不同时期采取的数据加以关联；通过表情识别模块分析待检测对象的唤醒度和愉悦度；通过行为识别模块检测待检测对象的交互行为；通过行人重识别模块和行为识别模块检测待检测对象分别识别两类问题行为；根据行为轨迹、情绪和交互行为分析待检测对象的人际关系；通过问题行为预警向联系人报告有问题行为的待检测对象。本发明发展了多模态信号问题行为分析方法，有利于问题行为的早发现、早干预，可应用在幼儿园等儿童集中的场所中。
-
公开(公告)号：CN113096805B
公开(公告)日：2024-02-13
申请号：CN202110390476.0
申请日：2021-04-12
Applicant: 华中师范大学
Abstract: 本发明公开了一种自闭症情绪认知与干预系统。该系统包括：教学模式子系统、游戏模式子系统和强化训练模式子系统；所述教学模式子系统用于给用户提供教学视频观看，采集用户观看视频过程中的数据并输出分析结果；所述游戏模式子系统用于给用户提供自由模式、模仿模式和跟随模式中的一种或多种游戏，采集用户游戏过程中的数据并输出分析结果；所述强化训练模式子系统用于给用户提供表情配对游戏，采集用户在表情配对游戏过程中的数据并输出分析结果。本发明可以循序渐进地改善自闭症儿童在表情认知与理解和表情模仿、表达两个方面的能力。
-
公开(公告)号：CN112036260B
公开(公告)日：2023-03-24
申请号：CN202010795929.3
申请日：2020-08-10
Applicant: 武汉星未来教育科技有限公司 , 华中师范大学
IPC: G06V40/16 , G06V10/766 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
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。
-
公开(公告)号：CN110765873B
公开(公告)日：2022-08-16
申请号：CN201910889390.5
申请日：2019-09-19
Applicant: 华中师范大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种基于表情强度标签分布的面部表情分析方法、装置与计算机可读介质。该方法对人脸图像序列进行自动编码生成表情强度标签，从表情序列中选取中性表情和非中性表情作为输入，采用卷积神经网络对输入数据进行训练得到表情识别模型，根据该表情识别模型输出的联合表情强度分布预测表情图像的类别及所属类别的强度。本发明能够获得表情强度标注的训练数据，从而提高表情识别的正确性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN109657586B
公开(公告)日：2022-02-18
申请号：CN201811505978.8
申请日：2018-12-10
Applicant: 华中师范大学
Abstract: 本发明公开了一种基于排序卷积神经网络的人脸表情分析方法及系统，属于图像处理与模式识别领域。本发明将感兴趣的表情与其它类别的表情进行拼接，从拼接的人脸表情序列中选取任意两帧图像作为输入，采用排序卷积神经网络训练表情强度排序模型，单一的表情强度排序模型能够实现对感兴趣表情的强度估计，联合多个表情强度排序模型能够实现对表情类别的估计。本发明能够同时对表情的类别和强度进行估计，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，从而提高表情分析的正确性和鲁棒性，具有极强的现实应用前景。
-
公开(公告)号：CN112686117A
公开(公告)日：2021-04-20
申请号：CN202011553206.9
申请日：2020-12-24
Applicant: 华中师范大学
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。
-
公开(公告)号：CN109344893B
公开(公告)日：2021-01-01
申请号：CN201811119618.4
申请日：2018-09-25
Applicant: 华中师范大学
Abstract: 本发明公开了一种基于移动终端的图像分类方法，采用深度神经网络训练分类器，利用分类器对图像进行分类。训练中将深度神经网络模型中的权重量化为2的指数，能有效提高嵌入式系统的移位操作运算，同时对量化码本进行动态更新，能有效减小量化误差，提升模型的预测性能及在移动状态上的运算效率。本发明还提供了实现上述方法的系统。本发明对深度神经网络的压缩效果明显，可以减小大型深度神经网络模型在存储资源和计算资源上的消耗，促进了深度神经网络在智能手机等资源受限移动终端上的部署，具有极强的现实应用。
-
公开(公告)号：CN107808113B
公开(公告)日：2020-08-04
申请号：CN201710822364.1
申请日：2017-09-13
Applicant: 华中师范大学
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。
-
公开(公告)号：CN111027382A
公开(公告)日：2020-04-17
申请号：CN201911078168.3
申请日：2019-11-06
Applicant: 华中师范大学
IPC: G06K9/00
Abstract: 本发明公开了基于注意力机制的轻量级人脸检测的方法，步骤包括：对输入的图像构建图像金字塔并遍历金字塔输出人脸检测的矩形区域，将输出的矩形区域利用肤色像素加权提纯剔除非肤色区域，将所述提纯后的图像区域在保持中心点不变的情况下将其长宽扩大一倍，将扩增后的图像区域进行至少两次人脸的置信度判断以及调整人脸框参数以框住准确的人脸，最后输出人脸框调整后且置信度大于阈值的图像区域。本发明还公开了基于注意力机制的轻量级人脸检测的模型。本发明提出的基于注意力机制的轻量级人脸检测的方法，实现了人脸检测网络的轻量化，并在实现检测网络轻量化的基础上同时保证了人脸检测的精度。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.024 seconds)
