Facial expression recognition of intercepted video sequences based on feature point movement trend and feature block texture variation

Facial Expression Recognition (FER) is an important subject of human–computer interaction and has long been a research area of great interest. Accurate Facial Expression Sequence Interception (FESI) and discriminative expression feature extraction are two enormous challenges for the video-based FER. This paper proposes a framework of FER for the intercepted video sequences by using feature point movement trend and feature block texture variation. Firstly, the feature points are marked by Active Appearance Model (AAM) and the most representative 24 of them are selected. Secondly, facial expression sequence is intercepted from the face video by determining two key frames whose emotional intensities are minimum and maximum, respectively. Thirdly, the trend curve which represents the Euclidean distance variations between any two selected feature points is fitted, and the slopes of specific points on the trend curve are calculated. Finally, combining Slope Set which is composed by the calculated slopes with the proposed Feature Block Texture Difference (FBTD) which refers to the texture variation of facial patch, the final expressional feature are formed and inputted to One-dimensional Convolution Neural Network (1DCNN) for FER. Five experiments are conducted in this research, and three average FER rates 95.2%, 96.5%, and 97% for Beihang University (BHU) facial expression database, MMI facial expression database, and the combination of two databases, respectively, have shown the significant advantages of the proposed method over the existing ones.     

基于改进轻量级秩扩展网络的人脸表情识别方法

人脸表情识别作为人机交互的一种重要方法,广泛应用于智能医疗、公安测谎系统、车载安全系统等领域。现有人脸表情识别方法多数存在参数量冗余、计算成本高、特征表达瓶颈等问题。提出一种基于改进轻量级秩扩展网络ReXNet的人脸表情识别方法。通过构建改进的ReXNet以提取人脸表情特征,在参数量较少的条件下解决特征表达瓶颈的问题,增强对表情局部特征的关注,获得高层次的表情特征,同时融合坐标注意力模块,将位置信息嵌入到通道注意力中,精准地定位和识别感兴趣的特征,建立位置信息与局部特征之间的长依赖关系,减少计算开销。在此基础上,将细化模块引入到改进的网络架构中,利用类别上下文信息细化分类结果,增强类间的分化效果,从而提高人脸表情识别的准确率。实验结果表明,该方法在RAF-DB和FERPlus数据集上的人脸表情识别准确率分别达到88.43%和88.8%,相比VGG16-PLD、SHCNN、ResNet+VGG等方法,具有较高的准确率和较优的鲁棒性。     

结合差图像和Gabor小波的人脸表情识别

提出一种结合差图像和Gabor小波变换的人脸特征提取方法,并使用支持向量机SVM(Support Vector Machines)进行人脸表情识别。对包含情感信息的静态灰度图像进行预处理,将眼睛和嘴巴等表情子区域从人脸中切割出来,求出其差图像,然后提取差图像的Gabor特征,使用下采样降维减少特征向量的维数并进行归一化,最后使用SVM进行分类。与只从表情子区域提取Ga-bor特征的识别方法进行了比较,结果显示识别效果更好。     

CDMA无线网络优化方法及步骤

针对无线网络优化的各个环节，结合CDMA网络的实现原理、性能参数等，对CDMA无线网络优化的方法和步骤进行了详细的阐述。     

可见光混合二维CAP-DPIM调制

为了提高基于白光LED的可见光通信系统传输性能,本文围绕提高频谱效率及可靠性展开研究,提出一种兼顾功率效率和频谱效率的混合调制方案。该方案采用无载波幅度相位调制(CAP)与脉冲间隔调制(DPIM)相结合,发送端在DPIM的脉冲时隙上加载直流偏置CAP信号(DCO-CAP),生成混合调制信号,接收端采用提出的修正硬判决检测算法及最大似然检测完成混合调制信号的串行解调。考虑室内环境光的影响,推导了基于Lambertian光照模型并在高斯信道下二维DCO-CAP-DPIM方案的误比特率(BER)及误帧率(FER)解析表达式,仿真实验验证了理论解析式的准确性以及提出的修正 硬判决检测算法的有效性。对于8m×6m×3m实验场景,通过数值仿真,分析对比了DCO-CAP,以及不同混合调制在相同频带利用 率下的性能,结果表明:当频谱效率相同时,混合二维DCO-CAP-DPIM调制系统较单一调制可靠性提高2－12dB。且调制参数相同时,基于硬判决的修正算法使系统可靠性提高5dB。     

具有FER结构复合分子筛的合成与催化性能

采用碱溶液降解法降解 FER 分子筛作硅源,获得具有 FER 结构的微、介孔复合分子筛材料。采用 XRD、SEM、N₂吸附-脱附、DTG、NH₃-TPD 等手段对该复合分子筛材料进行了表征,并以甲醇转化作为探针反应,考察了其催化性能。结果表明,复合分子筛材料同时具有 FER 微孔和 MCM-41介孔的特点,其介孔相与纯 MCM-41相比孔壁增厚;通过改变降解时间可以制备适度微/介孔比例和酸性质的复合分子筛材料,从而在甲醇转化反应中获得较高的烯烃收率。     

一种基于折线逼近操作的极化码译码算法

在加性高斯白噪声（additive white Gaussian noise,AWGN）信道下极化码的串行抵消（successive cancellation,SC）译码方法计算是在对数似然比（log likelihood ratio,LLR）域进行的,◢f◣函数节点的计算采用基于双曲正切规则的和积算法。针对双曲正切函数和反双曲正切函数提出了折线逼近算法,将这两个函数分别简化为9段折线函数;为了得到折线逼近算法下更优异的误帧率性能,编码前在信息比特中添加了16位CRC。仿真结果表明,针对码长◢为N=1024、信息位长度为K◣=496的极化码,提出的改进算法比和积算法有更好的误帧率性能且降低了译码复杂度,提高了译码速度。     

结合残留冗余信息的Turbo码译码方法

Turbo码有逼近香农极限的优异性能,特别适合用于无线通信链路上的前向纠错编码方案,但是标准Turbo码译码时存在错误平层（error floor）现象,误码率（BER）和误帧率（FER）有待进一步降低。提出了一种结合信源残留冗余信息进行译码的Turbo码（RR-Turbo码）,通过为Turbo码的译码提供更充分的先验信息以进一步降低误码率和误帧率。仿真结果表明,RR-Turbo码比传统Turbo码在高信噪比区可得到2?dB的额外编码增益,有效改善了错误平层现象。     

基于CNN集成学习的人脸表情识别系统的设计

随着计算机计算资源的提升以及深度学习理论的不断丰富,自动的人脸表情识别技术已经得到了进一步的发展。但由于表情存在复杂性以及微妙性,实现实时的人脸表情识别仍是一大难题。文章设计了一种基于CNN集成学习的人脸表情识别系统,该系统在FER2013数据集上表情的识别准确率达到70.84%,能够实现实时的、高精度的表情识别。     

认知OFDM中的抗干扰分段编码设计

认知正交频分复用(OFDM)中主用户突发干扰会造成认知用户数据包丢失。为此,提出一种基于认知OFDM的抗干扰分段编码方案。分段编码基于低冗余度的优化设计方法进行构造。该抗干扰分段编码方案可通过对偶校验分组恢复丢失的数据包,在认知用户通信过程中避免主用户突发干扰。实验结果表明,在低干扰率情况下,该方案比无码率编码方案具有更低的帧差错率和更高的吞吐量性能。