-
公开(公告)号：CN107273876B
公开(公告)日：2019-09-10
申请号：CN201710587663.1
申请日：2017-07-18
Applicant: 山东大学
Abstract: 本发明提供了一种基于深度学习的‘宏to微转换模型’的微表情自动识别方法，包括：A、微表情样本处理：1)对微表情数据集样本和宏表情数据集样本进行预处理；2)构建跨模态元组损失函数的样本对；B、跨模态‘宏to微’转换模型训练：3)训练AU检测网络，初始化AU检测网络参数，训练一个柔性最大值损失函数；4)固定AU检测网络参数，初始化跨模态‘宏to微’转换模型参数，训练跨模态‘宏to微’转换模型；C、微表情识别：根据训练好的卷积神经网络模型，初始化测试参数，将用于测试的样本送入训练好的卷积神经网络模型中，经过网络前向传播之后输出识别率。本发明较已有方法更具有鲁棒性。
-
公开(公告)号：CN108830222A
公开(公告)日：2018-11-16
申请号：CN201810628100.7
申请日：2018-06-19
Applicant: 山东大学
Abstract: 本发明涉及一种基于信息性和代表性主动学习的微表情识别方法，包括：A、微表情样本处理从数据库中挑选微表情样本，并对微表情样本进行特征提取，形成种子集、主动池和测试集；B、信息性和代表性主动学习构建主动学习系统框架，采用信息性与代表性结合的主动学习算法，不断对主动池中样本进行迭代，挑出最具有信息性和代表性的实例，请求它的标签后加入种子集中重新训练；C、微表情识别将更新的种子集通过SVM训练出标准分类器，并对测试样本进行微表情识别，得到其识别率。本发明中把主动学习的方法应用在微表情识别当中，利用基于信息性和代表性的主动学习方法挑选出最有价值的实例信息，减小微表情样本标注的高额花费，提供了识别率。
-
公开(公告)号：CN108629314A
公开(公告)日：2018-10-09
申请号：CN201810426006.3
申请日：2018-05-07
Applicant: 山东大学
Abstract: 本发明涉及一种基于主动迁移学习的微表情识别方法，包括：(1)宏表情、微表情特征提取；(2)微表情主动迁移学习问题的建立与求解；(3)微表情识别。基于宏表情和微表情的内在联系，本发明通过一个非对称的线性翻译器，构筑宏表情到微表情之间的桥梁。主动学习在开始阶段可以利用的标注样本比较少，通过该翻译器，使微表情在变换域中可以利用宏表情域的监督信息，从而有助于主动学习在微表情域选择高质量的样本，被人工标注后加入到已有训练集中，训练出更为有效的分类器。
-
公开(公告)号：CN107273876A
公开(公告)日：2017-10-20
申请号：CN201710587663.1
申请日：2017-07-18
Applicant: 山东大学
Abstract: 本发明提供了一种基于深度学习的‘宏to微转换模型’的微表情自动识别方法，包括：A、微表情样本处理：1)对微表情数据集样本和宏表情数据集样本进行预处理；2)构建跨模态元组损失函数的样本对；B、跨模态‘宏to微’转换模型训练：3)训练AU检测网络，初始化AU检测网络参数，训练一个柔性最大值损失函数；4)固定AU检测网络参数，初始化跨模态‘宏to微’转换模型参数，训练跨模态‘宏to微’转换模型；C、微表情识别：根据训练好的卷积神经网络模型，初始化测试参数，将用于测试的样本送入训练好的卷积神经网络模型中，经过网络前向传播之后输出识别率。本发明较已有方法更具有鲁棒性。
-
公开(公告)号：CN106096537A
公开(公告)日：2016-11-09
申请号：CN201610402404.2
申请日：2016-06-06
Applicant: 山东大学
IPC: G06K9/00
CPC classification number: G06K9/00302 , G06K9/00288
Abstract: 本发明提供了一种基于多尺度采样的微表情自动识别方法，包括微表情图像序列预处理、微表情特征提取和微表情识别。本发明为减小人脸自然位移和无效区域对微表情识别的影响，本发明采用了一种人脸自动对齐和面部区域有效分块的方法，提高了识别结果的鲁棒性；针对已有特征描述子的不足，本发明提出了一种新颖的微表情特征描述算子CPTOP，CPTOP算子具有和LBP‑TOP算子等数量的采样点数，但使用了多尺度采样的策略，在同等时间复杂度和空间复杂度下获得了更好的描述信息。
-
Patent Agency Ranking
公开(公告)号：CN108629314B
公开(公告)日：2021-08-10
申请号：CN201810426006.3
申请日：2018-05-07
Applicant: 山东大学
Abstract: 本发明涉及一种基于主动迁移学习的微表情识别方法，包括：(1)宏表情、微表情特征提取；(2)微表情主动迁移学习问题的建立与求解；(3)微表情识别。基于宏表情和微表情的内在联系，本发明通过一个非对称的线性翻译器，构筑宏表情到微表情之间的桥梁。主动学习在开始阶段可以利用的标注样本比较少，通过该翻译器，使微表情在变换域中可以利用宏表情域的监督信息，从而有助于主动学习在微表情域选择高质量的样本，被人工标注后加入到已有训练集中，训练出更为有效的分类器。
-
公开(公告)号：CN106971180B
公开(公告)日：2019-05-07
申请号：CN201710346931.0
申请日：2017-05-16
Applicant: 山东大学
Abstract: 一种基于语音字典稀疏迁移学习的微表情识别方法，包括训练阶段和测试阶段。本专利通过投影的方式将语音和微表情投影到公共空间内，并且为了简化计算，提高效率，对投影后的数据进行稀疏字典表示；为了进一步缩小两个域的数据差距，考虑将两个域的字典进行彼此之间的重构，从而实现了字典的关联性，这样使得投影后的稀疏表示矩阵产生了更大的相关性。
-
公开(公告)号：CN108830223A
公开(公告)日：2018-11-16
申请号：CN201810628275.8
申请日：2018-06-19
Applicant: 山东大学
Abstract: 本发明涉及一种基于批量模式主动学习的微表情识别方法，包括：A、微表情样本处理：1)处理微表情数据集的样本，提取微表情特征，并将样本特征分为种子集，主动池和测试集；B、批量模式主动学习：2)构建主动学习框架，通过批量模式主动学习的算法，从主动池中挑选出具有代表性信息性的样本，进行人工标注。C、微表情识别：3)根据所挑选出的样本和原先已有的带标记样本利用SVM训练出分类器，利用测试集数据检测分类器输出识别率。本发明提出的基于批量模式主动学习的微表情识别方法能够降低人工编码成本的同时提高微表情识别的效率。
-
公开(公告)号：CN107358206A
公开(公告)日：2017-11-17
申请号：CN201710572236.6
申请日：2017-07-13
Applicant: 山东大学
Abstract: 一种基于感兴趣区域的光流特征矢量模值和角度结合的微表情检测方法，首先对微表情视频进行预处理得到微表情序列，进而提取人脸关键特征点，根据不同表情FACS运动单元的运动特点，找出效果最好的人脸感兴趣区域；提取感兴趣区域的光流特征，其中本发明首次引入光流矢量的角度信息，通过计算得到光流矢量模值和角度信息，并进一步将两者结合得到更全面、更有判决力的特征检测出微表情片段；最后该方法将光流模值与角度相结合，其中阈值是根据光流模值大小来判断的，利用数形结合方法可以形象直观地得到微表情片段。本发明大大提高了微表情检测效率，仅对人脸重要区域提取光流特征矢量，减少计算量，降低时耗，是一种高鲁棒性的微表情检测方法。
-
公开(公告)号：CN106971180A
公开(公告)日：2017-07-21
申请号：CN201710346931.0
申请日：2017-05-16
Applicant: 山东大学
CPC classification number: G06K9/00302 , G06K9/46 , G06K9/6232 , G06K9/6255 , G06K9/6267 , G06K2009/4695 , G10L17/02 , G10L17/04 , G10L17/14
Abstract: 一种基于语音字典稀疏迁移学习的微表情识别方法，包括训练阶段和测试阶段。本发明通过投影的方式将语音和微表情投影到公共空间内，并且为了简化计算，提高效率，对投影后的数据进行稀疏字典表示；为了进一步缩小两个域的数据差距，考虑将两个域的字典进行彼此之间的重构，从而实现了字典的关联性，这样使得投影后的稀疏表示矩阵产生了更大的相关性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.024 seconds)
