-
公开(公告)号：CN109389092B
公开(公告)日：2023-05-02
申请号：CN201811232518.2
申请日：2018-10-22
Applicant: 北京工业大学
IPC: G06V20/40 , G06V40/16 , G06V10/764 , G06N3/096
Abstract: 本发明公开了一种局部增强多任务深度迁移超限学习机及个体鲁棒的面部视频疲劳检测方法，该方法包括数据的获取和预处理，用普通摄像头采集原始数据；数据的动静态结合特征表示；对数据进行动静态特征融合，分别提取图像序列静态特征和动态特征，再对动态特征和静态特征进行几何层面上的融合。在深度超限学习机中运用多任务机制，将关于疲劳检测设为主任务，其他面部识别种类设为子任务，通过主任务，子任务分开训练，合并识别，去除子任务对主任务的影响，提高网络对不同人疲劳检测的鲁棒性，在保证识别率的情况下达到了对不同人员鲁棒的需求。
-
公开(公告)号：CN109389092A
公开(公告)日：2019-02-26
申请号：CN201811232518.2
申请日：2018-10-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种局部增强多任务深度迁移超限学习机及个体鲁棒的面部视频疲劳检测方法，该方法包括数据的获取和预处理，用普通摄像头采集原始数据；数据的动静态结合特征表示；对数据进行动静态特征融合，分别提取图像序列静态特征和动态特征，再对动态特征和静态特征进行几何层面上的融合。在深度超限学习机中运用多任务机制，将关于疲劳检测设为主任务，其他面部识别种类设为子任务，通过主任务，子任务分开训练，合并识别，去除子任务对主任务的影响，提高网络对不同人疲劳检测的鲁棒性，在保证识别率的情况下达到了对不同人员鲁棒的需求。
-
公开(公告)号：CN109492557B
公开(公告)日：2021-09-10
申请号：CN201811263258.5
申请日：2018-10-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于AU共生关系约束的自然场景下面部表情识别方法，属于数字图像处理及计算机视觉技术领域，该方法包括：人力啊图像序列的AU获取；AU识别网络的训练；基于AU的表情识别模型的训练。具体涉及基于AU共生关系约束的自然场景下面部表情识别方法。本发明通过利用解剖学研究成果，将人脸表情识别过程中对整张人脸图像的特征提取替换为对人脸图像的局部AU特征提取，极大的减少了特征提取的工作，并且减少了无关面部特征对表情识别的影响；利用AU间共生关系以及AU与表情之间的共生关系作为识别模型训练过程的约束项，相比以往单纯利用数据进行识别模型的训练更加合理化。
-
公开(公告)号：CN109492557A
公开(公告)日：2019-03-19
申请号：CN201811263258.5
申请日：2018-10-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于AU共生关系约束的自然场景下面部表情识别方法，属于数字图像处理及计算机视觉技术领域，该方法包括：人力啊图像序列的AU获取；AU识别网络的训练；基于AU的表情识别模型的训练。具体涉及基于AU共生关系约束的自然场景下面部表情识别方法。本发明通过利用解剖学研究成果，将人脸表情识别过程中对整张人脸图像的特征提取替换为对人脸图像的局部AU特征提取，极大的减少了特征提取的工作，并且减少了无关面部特征对表情识别的影响；利用AU间共生关系以及AU与表情之间的共生关系作为识别模型训练过程的约束项，相比以往单纯利用数据进行识别模型的训练更加合理化。
-
-
-
Search Results
4
records
(took 0.014 seconds)
