-
公开(公告)号：CN113887329A
公开(公告)日：2022-01-04
申请号：CN202111064167.0
申请日：2021-09-10
Applicant: 华中师范大学
Abstract: 本发明公开了一种头部姿态定位与检测方法及其应用和系统。其中，该头部姿态定位与检测方法包括如下步骤：获取待测头部姿态的图像集，并将图像集中的所有图像进行标准亮度转换；将转换后的所有图像分别利用人物检测模型、头部检测模型得到全身位置信息Pa和头部位置信息Ph，将全身位置信息Pa和头部位置信息Ph输入到预先构建的深度学习卷积神经网络中，转换得到两种位置信息的中间特征Pa^和Ph^；将两种位置信息的中间特征Pa^和Ph^按一定权重进行融合，根据融合后的特征P_site计算得到头部偏转欧拉角。本发明提供的头部姿态定位与检测方法受影响程度小，检测准确；同时还能有效提升模型学习的速率。
-
公开(公告)号：CN115659207A
公开(公告)日：2023-01-31
申请号：CN202210581855.2
申请日：2022-05-26
Applicant: 华中师范大学
IPC: G06F18/24 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/08 , A61B5/374 , A61B5/16 , A61B5/00
Abstract: 本发明提供一种脑电情绪识别方法及系统，包括：确定待识别脑电情绪实体的M个通道的脑电信号；每个通道对应一个脑电信号测量位置；将所述M个通道的脑电信号输入到预先训练好的脑电情绪识别网络模型，以识别出对应的脑电情绪；四阶巴特沃斯带通滤波器将M个通道的脑电信号过滤成五个子频带，并选择出与脑电情绪相关度高的C个通道的脑电信号；多通道并行卷积神经网络提取预处理后脑电信号在不同频带下的通道特征和时间特征对应的组合序列特征；注意力网络将不同频带的组合序列特征进行融合，得到融合后的特征；特征提取网络提取融合后特征的深度特征；分类网络对深度特征进行分类，以识别对应的脑电情绪。本发明对脑电情绪的识别准确率高。
-
公开(公告)号：CN113887329B
公开(公告)日：2024-12-13
申请号：CN202111064167.0
申请日：2021-09-10
Applicant: 华中师范大学
IPC: G06V40/10 , G06V10/762 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种头部姿态定位与检测方法及其应用和系统。其中，该头部姿态定位与检测方法包括如下步骤：获取待测头部姿态的图像集，并将图像集中的所有图像进行标准亮度转换；将转换后的所有图像分别利用人物检测模型、头部检测模型得到全身位置信息Pa和头部位置信息Ph，将全身位置信息Pa和头部位置信息Ph输入到预先构建的深度学习卷积神经网络中，转换得到两种位置信息的中间特征Pa^和Ph^；将两种位置信息的中间特征Pa^和Ph^按一定权重进行融合，根据融合后的特征P_site计算得到头部偏转欧拉角。本发明提供的头部姿态定位与检测方法受影响程度小，检测准确；同时还能有效提升模型学习的速率。
-
公开(公告)号：CN115273143A
公开(公告)日：2022-11-01
申请号：CN202210794371.6
申请日：2022-07-07
Applicant: 华中师范大学
IPC: G06V40/10 , G06V10/80 , G06V10/771 , G06V10/82 , G06V10/764
Abstract: 本发明提供一种头部姿态估计方法及系统，包括：确定包含人脸的图像；将图像输入到预先训练好的分层预测网络，预测得到人脸姿态朝向的俯仰角、偏航角以及翻滚角；包括：骨干网络、特征金字塔网络、降维模块以及分层预测模块；骨干网络用于提取不同尺寸的图像空间特征，特征金字塔网络用于将不同尺寸图像空间特征融合，得到融合特征，降维模块用于对融合特征进行三种不同维度的降维，得到图像三种维度的空间特征；分层预测模块包括：三个全连接层；三个全连接层分别对三种维度的空间特征进行预测，每个全连接层预测得到人脸姿态朝向的一个角度，以使分层预测网络预测人脸姿态朝向三个角度各自关注的图像区域不同，减少三个角度预测之间的相互干扰。
-
-
-
Search Results
4
records
(took 0.017 seconds)
