一种教学场景下基于注意力机制的面部表情分析方法

    公开(公告)号:CN113486700A

    公开(公告)日:2021-10-08

    申请号:CN202110498816.1

    申请日:2021-05-08

    Abstract: 本发明公开了一种教学场景下基于注意力机制的面部表情分析方法,包括:建立教学场景下的表情识别数据集,并进行预处理;搭建基于注意力机制的卷积神经网络模型;利用基于注意力机制的卷积神经网络模型对所述表情识别数据集进行训练,得到适用于教学场景的表情识别模型。本发明针对传统卷积神经网络对小目标特征识别和微表情识别效果不佳的问题,引入注意力机制,通过提取小目标的关键特征,降低小目标冗余特征的比例,能够极大地降低网络参数的计算量,去除不必要的冗余信息,有效提高训练的效率和准确率。本发明通过表情识别来分析学生课堂的听课状态和参与程度,并实时反馈给教师,有利于教师更加系统地制定教学计划,提高教学效果。

    基于数字图像的试卷布局分割方法、电子设备及存储介质

    公开(公告)号:CN112541922A

    公开(公告)日:2021-03-23

    申请号:CN202011403765.1

    申请日:2020-12-04

    Abstract: 本发明公开了一种基于数字图像的试卷布局分割方法、电子设备及存储介质。所述方法包括:构建样本图像集和标注图像集;构建深度学习模型并进行训练;将待分割试卷的数字图像作为训练好的深度学习模型的输入,得到分割结果图像;对分割结果图像中的各颜色区域进行定位,得到其轮廓坐标,并基于轮廓坐标计算得到相应的待分割试卷的数字图像中的各区域的分割坐标;根据分割坐标提取待分割试卷的各区域,完成待分割试卷的布局分割。本发明解决了试卷智能分析中面临的卷面布局复杂问题,将各种区域进行分割,准确高效地定位试卷中的内容,使得后续的识别和整理等智能分析过程能够顺利进行。

    一种基于深度学习和表情识别的面部关键点定位方法

    公开(公告)号:CN113221698A

    公开(公告)日:2021-08-06

    申请号:CN202110477263.1

    申请日:2021-04-29

    Abstract: 本发明公开了一种基于深度学习和表情识别的面部关键点定位方法,包括:选取特定的多种表情的人脸图像,根据人脸图像中脸部特征进行表情建模;将表情模型中脸部各个器官的轮廓作为关键点数据进行标注,构建数据集;对构建的数据集进行预处理;搭建深度学习网络模型;将预处理后的数据集输入所述深度学习网络模型中进行训练;将训练后的面部关键点数据集用于表情分类与识别预测。本发明所述方法无需处理整张图像的信息,只需要处理定位出的关键点信息用来充当各类场景下表情识别的数据集,即可进行快速表情分类与识别预测,有效减少了计算量,提高了表情关键点识别的鲁棒性。

    光照和头部姿态鲁棒的表情识别方法、设备及存储介质

    公开(公告)号:CN112541422B

    公开(公告)日:2024-03-12

    申请号:CN202011424201.6

    申请日:2020-12-08

    Abstract: 本发明公开了一种光照和头部姿态鲁棒的表情识别方法、设备及存储介质,该方法包括:获取待识别的人脸图像并进行预处理;从预处理后的人脸图像中提取出面部区域图像和预设类型的关键点;获取预设区域的纹理和边缘特征向量;获取人物头部姿态偏转方向,根据人物头部姿态偏转方向的不同,采取不同的姿态微调方式进行头部姿态校正;通过双通道卷积神经网络,根据校正后的面部区域图像,对人物表情进行识别;其中,网络的第一维度输入数据为校正后的面部区域图像,第二维度输入数据为预设区域的纹理和边缘特征向量。本发明可解决光照分布不均和头部姿态改变导致的表情识别准确率下降的问题。

    教学场景下基于CNN模型的表情识别方法

    公开(公告)号:CN113221683A

    公开(公告)日:2021-08-06

    申请号:CN202110459758.1

    申请日:2021-04-27

    Abstract: 本发明公开了一种教学场景下基于CNN模型的表情识别方法,包括:利用摄像头采集在教学环境下学生上课的视频图像;对采集的视频图像进行处理,得到以帧为单位的图片数据;对得到的图片数据进行预处理;采用兴趣区域ROI对数据集进行扩充;设计CNN网络模型;将扩充后的数据集输入设计的CNN网络模型中进行训练;对训练后的数据进行分类处理,得到在教学场景下学生的面部表情状态。本发明利用视频采集的方法,将在教学环境下采集到的图像视频输入设计好的CNN网络中,综合分析学生在上课时的面部表情信息,对课堂的学习情况进行客观评估,与现有技术相比,提高了识别效率和准确率,有利于辅助进行教学优化,提升教学质量。

    表情与姿态融合的双模态教学评价方法、设备及存储介质

    公开(公告)号:CN112541529A

    公开(公告)日:2021-03-23

    申请号:CN202011407775.2

    申请日:2020-12-04

    Abstract: 本发明公开了一种表情与姿态融合的双模态教学评价方法、设备及存储介质,该方法包括:获取学生的视频数据,并对视频数据进行预处理;通过预设的深度学习模型分别提取每一图像帧所包含的面部表情特征和身体姿态特征;将属于同一图像帧的面部表情特征和身体姿态特征进行融合,得到每一图像帧的融合特征,并根据连续图像帧所对应的融合特征序列,获取学生的情感状态;通过预设的情感与学习状态的关联坐标系,基于学生的情感状态映射得到学生学习状态,从而通过获取的学习状态进行教学评价。本发明通过动态分析教学场景中学生的面部表情和身体姿态来进行教学评价,可更准确地做出教学评价。

    一种基于深度学习和表情识别的面部关键点定位方法

    公开(公告)号:CN113221698B

    公开(公告)日:2023-08-15

    申请号:CN202110477263.1

    申请日:2021-04-29

    Abstract: 本发明公开了一种基于深度学习和表情识别的面部关键点定位方法,包括:选取特定的多种表情的人脸图像,根据人脸图像中脸部特征进行表情建模;将表情模型中脸部各个器官的轮廓作为关键点数据进行标注,构建数据集;对构建的数据集进行预处理;搭建深度学习网络模型;将预处理后的数据集输入所述深度学习网络模型中进行训练;将训练后的面部关键点数据集用于表情分类与识别预测。本发明所述方法无需处理整张图像的信息,只需要处理定位出的关键点信息用来充当各类场景下表情识别的数据集,即可进行快速表情分类与识别预测,有效减少了计算量,提高了表情关键点识别的鲁棒性。

    光照和头部姿态鲁棒的表情识别方法、设备及存储介质

    公开(公告)号:CN112541422A

    公开(公告)日:2021-03-23

    申请号:CN202011424201.6

    申请日:2020-12-08

    Abstract: 本发明公开了一种光照和头部姿态鲁棒的表情识别方法、设备及存储介质,该方法包括:获取待识别的人脸图像并进行预处理;从预处理后的人脸图像中提取出面部区域图像和预设类型的关键点;获取预设区域的纹理和边缘特征向量;获取人物头部姿态偏转方向,根据人物头部姿态偏转方向的不同,采取不同的姿态微调方式进行头部姿态校正;通过双通道卷积神经网络,根据校正后的面部区域图像,对人物表情进行识别;其中,网络的第一维度输入数据为校正后的面部区域图像,第二维度输入数据为预设区域的纹理和边缘特征向量。本发明可解决光照分布不均和头部姿态改变导致的表情识别准确率下降的问题。

    一种基于半节点的区块链账本同步方法及装置

    公开(公告)号:CN113434599B

    公开(公告)日:2025-04-04

    申请号:CN202110725554.8

    申请日:2021-06-29

    Abstract: 本发明涉及区块链技术领域,特别是指一种基于半节点的区块链账本同步方法及装置,方法包括:创建半节点;从最佳节点向半节点同步全部的区块头数据;如果验证区块头数据的内容正确,则将区块头数据存储在本地账本中;计算已保存的区块头所用的总空间,计算初始区块体的可用空间;根据区块的区块号、初始区块体的可用空间、随机数、当前总区块数、平均区块体占用内存大小、同时同步的区块数量,判断是否同步区块号对应的区块体数据;验证同步的区块体数据是否正确,如果验证正确,则将区块体数据同步到本地账本中。本发明通过半节点选择性存储部分区块数据体,解决全节点存储资源不足以满足存储全部数据、轻节点存储数据不足的问题。

Patent Agency Ranking