公开(公告)号：CN115439930A

公开(公告)日：2022-12-06

申请号：CN202211006528.0

申请日：2022-08-22

Applicant: 重庆邮电大学

Inventor： 张家波 ,  黄钟玉 ,  高洁 ,  徐光辉

IPC: G06V40/20 ,  G06V10/82 ,  G06V10/80 ,  G06V10/62 ,  G06V10/52

Abstract: 本发明公开一种基于时空维度筛选的多特征融合步态识别方法，包括以下步骤：对输入的图像进行预处理；利用基干网络提取整体时空特征；采用多尺度的局部时序关系寻找局部空间特征，引入注意评分机制，重组获得潜在空间特征；利用空间维度滤波器筛选出显著时序特征；利用潜在空间特征聚合层和显著时序聚合层分别聚合潜在空间特征和显著时序特征；使用时间池化将所有特征序列映射到一个代表整个步态周期的特征中；利用空间池化将潜在空间特征映射到更具判别性的空间域；经过多特征融合后的输出，利用多个独立的全连接层将其映射到度量空间，其结果用于身份判别。本发明得到互相补充的时空特征、时序特征、空间特征，使得步态特征的表达更丰富和完整。

公开(公告)号：CN115393944A

公开(公告)日：2022-11-25

申请号：CN202211123830.4

申请日：2022-09-15

Applicant: 重庆邮电大学

Inventor： 张家波 ,  徐光辉 ,  甘海洋 ,  黄钟玉 ,  高洁

IPC: G06V40/16 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于多维特征融合的微表情识别方法，包括图像预处理，提取光流特征分量，构建多维特征融合网络，使用训练得到的模型进行微表情分类四个步骤。本发明中为了补偿模型丢失的面部细节信息，构建了一个特征融合模块，将特征融合模块提取的浅层特征与双流卷积网络提取的抽象特征融合，共同用于模型分类。对于提取的高维融合特征，经过通道注意力模块赋予通道不同的权值，使模型更加关注贡献度高的通道，进一步提高微表情识别的精度。