深度二值卷积网络的人脸表情识别方法

为解决人脸表情识别时存在的参数量大、速度低和表情区域特征表示力不足的问题,提出一种基于深度二值卷积网络的人脸表情识别方法.首先设计一个二值卷积与传统卷积并行运算的轻量化网络模型BRNet,以降低网络模型参数的复杂度,从而提升识别的速度;然后构建一个动态半径策略提取表情二值特征,并形成表情区域注意权重,实现表情局部特征与...     

鲁棒可预测判别字典学习人脸识别方法

提出一种可预测判别K-SVD网络模型(DKSVDN)并用于人脸识别问题。该模型构造了一种新颖的字典结构,包含类别标签字典和描述字典,以兼顾判别和重构性能。相应的稀疏编码向量由标签编码向量和描述编码向量组成。针对样本稀疏编码时间效率低的问题,利用预测神经网络与判别字典学习模型协同训练的方法来加速预测稀疏编码。此外,针对DKSVDN还特别引入一种拟梦境的训练方法用于提升模型在训练集多样性不足时的鲁棒性。通过在主流人脸数据集上的对比实验证明了该模型的优良性能。     

基于稀疏表示的脑电（EEG）情感分类

计算机对人类情绪与情感的识别研究已经成为了脑机接口领域的研究热点。通过分析人类在生活中的各种情感状态,提取脑电信号的特征并对情感状态进行识别、分类是情感智能化领域的重要方向。针对基于音乐视频诱导的情感数据集DEAP进行了研究,提取脑电信号的频域特征后,提出了采用加速近邻梯度算法（APG)和正交匹配算法（OMP）求解稀疏编码的稀疏表示分类模型进行情感分类,并与支持向量机算法（SVM）做效果比较。实验结果表明,APG算法通过L1范数正则近似求解以其快速的收敛速度在情感数据集上有着较好的分类表现,而OMP算法与SVM算法的分类效果相差无几,实现了情感脑电信号的分类。     

基于◢l◣▼2▽-范数重构样本约束的稀疏表示人脸识别方法

稀疏表示分类方法在训练样本空间较大的情况下具有良好的分类效果,但是计算的时间成本较高。针对稀疏表示方法的此问题,考虑构造对重构样本的◢l◣▼2▽-范数进行约束,使得重构样本中各类别分量之间的竞争加强,以起到组稀疏的效果,最后提高分类正确率。由于该方法可以直接得到闭式解,使得求解的计算成本大大减小,并且得到的系数稀疏程度与传统方法类似。在公开的人脸和物体图像数据集上和同类型方法的对比实验结果表明,该方法在复杂的条件下具有优秀的图像识别效果。     

基于相关滤波的仪表定位方法

目前变电站自动化巡检的研究主要是利用巡检机器人和图像处理技术来开展,但当前大部分仪表定位方法鲁棒性和实时性较差而难以满足变电站实际需求。为解决上述问题,总结出变电站仪表定位问题所具有的特点,提出一种基于相关滤波的仪表定位算法。首先利用对局部结构信息保留较好且对光照不敏感的HOG特征作为特征描述器;然后利用预先获取的样板图来训练相关滤波器;再通过相关滤波计算待检测图像各区域与目标图像的相关性,相关性最高的区域即为目标仪表区域;最后,通过建立模拟实际环境的试验场地,并与现有方法进行对比实验。实验结果表明,所提方法具有良好的实时性、准确性,对光照变化、阴影和污渍等干扰都具有较好鲁棒性,并且其效果均优于所对比方法。