基于人脸表情变化的身份识别

将人脸表情变化作为一种生物识别特征用于身份识别.首次在三维人脸数据上进行了表情变化的身份信息提取,提出了将表情运动方向和运动距离两种新的特征用于身份识别.针对人类普遍存在的六种表情,采用三种不同的特征,以及五种不同的融合策略进行身份识别.在BU-3 DFE数据库上进行了系统的实验,分析比较了不同表情、不同特征以及不同的融合策略的识别性能.实验结果表明将表情变化作为一种生物识别特征是可接受的,并可作为其他生物识别特征的一种有益补充.     

融合Gabor小波和双层LLE的人耳图像识别

针对局部线性嵌入(LLE)算法易受偏转角度和近邻选取的影响,提出了一种双层LLE(DLLE)的人耳图像识别方法,并结合Gabor小波和DLLE提出了GDLLE。DLLE首先计算各样本与每类样本中心的欧氏距离,再把欧氏距离最小的K类所有样本作为LLE的近邻,提取出鉴别特征,最后由最近近邻分类器对鉴别特征进行分类。在USTB3人耳图像库上的实验结果表明,本文提出DLLE能够减小偏转角度和近邻对LLE算法的影响,结合Gabor小波后进一步改善了算法的识别率。     

基于监督式等距映射的人脸和表情识别

提出了一种基于监督式等距映射的人脸和表情识别方法,该方法能同时完成身份和表情的识别.首先,运用监督式等距映射,将训练集中的人脸表情图像投影到低维流形空间,在这个流形空间里,图像的投影不仅实现了按其身份的分离,同时在同身份图像的内部,又实现了按其表情的聚类.然后,用非线性投影,将待测图像嵌入到流形空间.最后,采用加权knn分类器,识别出它的身份和表情.在Coln-Kanade和JAFFE人脸库上的实验表明,该方法对人脸和表情的识别的准确率比较高.     

Facereader软件对中国人脸表情识别有效性研究

目的 Facereader是由荷兰Noldus公司开发,一种能自动分析人脸表情的软件系统。该系统对于西方人脸表情的识别有效性在国外已经进行了验证,可达89%。本研究的主要目的是评估Facerader在判断中国人脸表情图片时的有效性。方法对人为表情图片,先进行标准化筛选(由评估者对图片进行两轮评估),再比较了Facereader与评估者在各表情类型的识别率和识别强度;对自发表情图片,比较了Facereader与标准图片在各表情类型的识别率和识别强度。结果在识别率方面,Facereader对人为表情图片识别率达71%,对自发表情图片识别率为42.5%,不同成分的表情识别率存在差异;在识别强度方面,Facereader与评估者(或标准强度)对各成分表情表现出一致的趋势。结论 Facereader对中国人脸图片的识别有效性尚可,但还有待进一步提高。     

Gabor变换的参数设计及其在车牌字符识别中的应用

Gabor变换能有效抑制字符的噪声、变形、断裂、模糊、以及亮度不均等图象干扰,适合于象车牌字符这样的低质量字符特征提取。Gabor变换的难点是滤波器组参数优化设计,因此提出了一种快速参数优化设计方法,并提出了一种Gabor特征融合方法。实验表明,用此方法获取的Gabor滤波器组参数效果良好,已经运用于实际的车牌识别系统中,取得了满意的效果。     

基于多分类器的通信信号调制方式识别

为在恶劣接收条件下识别通信信号的调制样式,并实现识别范围的快速调整,运用决策层信息融合技术提出了一种基于多分类器的调制样式识别方法。它采用了常规特征以及三种可以快速建立的子分类器。其中“超盒”分类器用于界定各调制样式不同特征的取值范围。最近邻分类器用于分类,马氏距离分类器用于提高识别结果的可靠程度,该方法可以自动地在短时间内根据设定的识别范围建立对应的识别器,对另类调制样式或噪声有高的拒识能力。     

基于Gabor和LIOP特征的多视角目标识别

针对被检测目标在视角变化和遮挡时较难识别的问题,提出联合利用Gabor特征和视角变换时共有的LIOP特征对目标进行多角度识别的新算法。首先,用4个方向、16个尺度的二维Gabor滤波器组对输入图像进行滤波,得到64组含有方向信息的Gabor特征响应图,进而对相邻尺度和相应位置计算局部响应最大值,得到具有尺度及平移不变的特征向量。其次,通过几何变换算法获得不同视角下的LIOP特征向量。然后,为了降低时间复杂度,通过主成分分析算法对联合特征降维。最后,把降维后的特征向量输入支持向量机(SVM)进行训练学习,得到检测器模型。为了定量评估算法精度和鲁棒性,在Caltech-101和UIUC car两个标准数据库进行测试,实验结果表明,本文在两个标准数据集上的平均识别率分别达到了92.1%和95.4%,能较好检测不同尺度、不同角度的目标。     

基于浅层卷积神经网络的面部表情识别

面部表情识别在人机交互等领域中发挥着重要作用,采用深度学习方法提高了模型精度,但过深的网络加大了计算成本,造成识别滞后和性能低下的问题.本文提出了一种浅层卷积神经网络模型,它受到Xception网络的启发,结合了残差模块和深度可分离卷积,同时引入了功能模块与网络进行融合.微调后的网络结构简单、模型较小,在FER2013数据集上获得了66.12％的准确率,优于多个对比网络.最后,本文搭建了一个可视化系统来验证所提模型在自然场景下的性能,验证结果与实验结论一致.     

基于解析小波变换识别结构的模态阻尼参数

摘要: 在结构振动分析中,结构的模态参数尤其模态阻尼参数的准确识别是一项十分重要的任务。基于Gabor小波函数的解析小波变换(AWT)通过小波函数与复值信号的匹配机制揭示信号的幅频和相频信息以实现结构模态阻尼参数的识别。本文基于小波变换(WT)理论,讨论了Gabor小波函数的特性及解析小波变换的时频分辨率和端点效应问题;为实现结构模态阻尼参数的准确识别,我们提出了Gabor小波函数参数选取和有效信号长度确定的依据。最后,一个频率呈密集分布的三自由度(3DOF)结构的数值模拟数据验证了本文提出的模态阻尼识别方法的有效性。     

基于表情识别技术的用户研究方法

目的为了以更加客观的方式评估用户体验,拓展用户研究的途径,引入表情识别技术对已有用户研究方法进行优化与探索。方法以阅读APP为研究载体,以表情识别与卷积神经网络算法为技术手段,通过设计人机交互实验将其应用于用户研究过程中,建立用户面部表情与用户主观满意度的映射关系。结果针对阅读APP"X",开展了基于表情识别技术和传统问卷访谈的双向设计研究,并采用对比验证的方法得出了基于表情识别技术的用户满意度客观度量方法的有效性和可行性,进而挖掘了基于表情识别方法的用户研究优势。结论基于表情识别技术的用户研究方法在产品交互设计中具有一定的通用性。通过识别分析用户与产品进行人机交互时的面部表情动态变化,可以使用户体验评估更加客观并容易解读,准确定位产品交互体验问题,为设计领域中的用户研究和认识提供了新思路,同时也为表情识别技术与产品设计的交叉融合提供了理论和实践意义的参考。     

基于Gabor+PCA特征与粒子群算法的部分遮挡人耳识别研究

在分析人耳Gabor特征基础上,提出一种主成分分析降维并利用基于粒子群优化训练的人工神经网络对部分遮挡人耳进行识别方法.选取了PCA方法降维后人耳图像的Gabor特征值作为人工神经网络训练样本,利用粒子群优化算法与多层前馈网络结合算法训练神经网络.与多种方法对比的实验表明,针对部分遮挡人耳的测试实验,基于Gabor+PCA特征与粒子群算法的部分遮挡人耳识别方法具有高识别性能,取得好的效果.     

融合小波变换和改进KFD的人脸识别方法

基于核函数的Fisher判别分析(KFD)在人脸识别中通常采用高斯径向基函数做核函数,但核函数中参数的选取对分类效果影响较大。目前参数的选取一般仅凭经验,且该方法在处理大样本时,速度较慢。针对这个问题,本文提出了一种融合小波变换和改进KFD的人脸识别的方法。该方法首先用小波变换降低样本的维数;然后在用KFD进行特征提取时,采用微粒群算法自动获取一个最优参数,增强分类效果;最后用SVM分类器完成特征的识别。实验表明,该方法与传统的KFD相比较,运算时间减少,而且识别率得到提高。     

基于Morlet小波变换系数的自适应虹膜识别

传统的虹膜识别方法原理复杂,实现困难.为了在保证识别率的同时简化虹膜识别算法,提高虹膜识别效率,本文提出了一种基于Morlet小波变换系数的自适应虹膜识别方法.首先,进行虹膜定位和下眼睑拟合,然后对虹膜图像进行归一化操作,得到512列x64行的矩形虹膜图像,并自适应地确定有效虹膜区域;其次,在虹膜有效区域内,对图像逐行进行一维Morlet小波变换,获得不同尺度下一系列小波变换系数,进而得到不同尺度下的小波变换系数分布图;再次,依据不同尺度下的小波变换系数对图像进行二进制编码,用虹膜代码表示虹膜模式;最后,采用自适应的模式匹配方法对不同的虹膜模式进行分类,给出识别结果.实验证明,该方法可以达到99.946%的识别率,能够满足虹膜识别要求.     

基于局部特征分块的面部表情识别研究

针对面部表情识别的特征提取与选择问题,本文首先提取出表情的全局Gabor特征以及面部关键点作为局部特征,将局部特征分为嘴部、左眼、右眼三个特征块,然后运用Procrustes analysis对各个特征块中心化、旋转、缩放,降低位置、大小不一致等因素的影响,最后对全局Gabor特征和局部特征分别在不同的PCA保留率下处理,将两种特征融合。实验结果表明,不论是单独的局部特征还是融合特征,block Procrustes analysis均可以显著的提高表情识别的性能,包括提高面部表情识别准确率的稳定性以及提高表情识别正确率的最大值。     

Multimodal Emotion Recognition Based on Facial Expression and ECG Signal

As a key link in human-computer interaction, emotion recognition can enable robots to correctly perceive user emotions and provide dynamic and adjustable services according to the emotional needs of different users, which is the key to improve the cognitive level of robot service. Emotion recognition based on facial expression and electrocardiogram has numerous industrial applications. First, three-dimensional convolutional neural network deep learning architecture is utilized to extract the spa...     

基于MHMMs模型的面部表情识别研究

针对静态人脸表情识别方法的不足,提出了一种改进的基于运动特征的动态人脸表情识别方法.以表情视频序列为研究对象,提出了基于相位形式表示脸部运动特征,处理这些运动特征并组成时序特征序列,最后将其输入到改进的高斯混合隐马尔可夫模型进行训练和测试,分析识别6种基本的面部表情.基于改进的算法,实现了一个动态面部表情识别实验系统,实验结果表明该方法简化了计算,减少了矢量量化误差.     

基于小波变换和盲源分离的P300识别算法研究

提出一种P300脑电信号识别的新方法,克服了多导联、多特征造成的操作繁琐、数据冗杂等问题。首先,针对P300小波变换中小波基如何优选缺乏必要的理论依据,提出结合电极分布特性,依据SNR和RMSE量化指标选择最优小波基,并结合SPWD时频分析对相干平均后的原始信号进行去噪处理,利用JADE盲源分离算法对得到的观测信号进行分离;其次,针对P300盲源分离后如何自动优选有效分量避免过度分解,提出结合G1法构建时空分析模型,最优化自动提取P300分量并映射回头皮电极处;最后,为改善BCI系统的在线应用,将EA和SFFS法相结合优选特征,构建具有6维特征向量的训练模型,利用C-SVM进行识别。实验结果表明,相对于传统的数据处理方法,P300成分的提取效果、系统分类精度和速度均有显著提高。