排序方式: 共有37条查询结果,搜索用时 15 毫秒
21.
22.
针对现有的双子空间方法中存在的问题,提出一种基于核的双子空间判别分析(KDS-DA)方法。此外,还提出一种基于镶边矩阵求逆运算的快速KDS-DA特征求解算法。该算法运用高阶镶边矩阵的求逆运算可转化为低阶镶边矩阵的求逆运算这一性质,使得当顺序求解样本类内散射矩阵主空间中第r+1个KDS-DA判别矢量时,可充分利用求解第r个判别矢量时所得到的计算结果来减少算法复杂度。通过在ORL和AR人脸库上的实验证实文中方法的有效性。 相似文献
23.
提出了基于特征融合和模糊核判别分析(FKDA)的面部表情识别方法。首先,从每幅人脸图像中手工定位34个基准点,作为面部表情图像的几何特征,同时采用Gabor小波变换方法对每幅表情图像进行变换,并提取基准点处的Gabor小波系数值作为表情图像的Gabor特征;其次,利用典型相关分析技术对几何特征和Gabor特征进行特征融合,作为表情识别的输入特征;然后,利用模糊核判别分析方法进一步提取表情的鉴别特征;最后,采用最近邻分类器完成表情的分类识别。通过在JAFFE国际表情数据库和Ekman“面部表情图片”数据库上的实验,证实了所提方法的有效性。 相似文献
24.
25.
本文介绍用钢板制造大型瓜瓣封头模具的经验。其方法是,先用绘图法制作筋板样板,然后按样板划线下料得各种尺寸的筋板和辅助板,再点焊组装后压制外层胎板,最后焊牢即成。该模具不仅适用于冲压各种形状的瓜瓣封头,而且还适用于制作各种圆柱形瓜瓣大型零件。 相似文献
26.
目的 高危孤独症谱系障碍(high-risk autism spectrum disorder,HR-ASD)筛查依赖于医师的临床评估和问卷量表,传统筛查方式效率低,亟需一种高效的自动筛查工具。为了满足自动筛查的需求,本文提出一种基于婴幼儿表情分析的孤独症谱系障碍自动筛查方法。方法 首先入组30例8~18个月的婴幼儿,包括10例ASD疑似患儿(HR-ASD)和20例正常发育婴幼儿;引入静止脸范式,并利用该范式诱发婴幼儿在社交压力条件下的情绪调节行为;提出一种面向婴幼儿视频表情识别的深度空时特征学习网络,首先在大规模公开数据集AffectNet预训练空域特征学习模型,然后在自建婴幼儿面部表情视频数据集RCLS&NBH+(Research Center of Learning Science&Nanjing Brain Hospital dataset+)上训练时空特征学习模型,从而建立一个较精准的婴幼儿表情识别模型;基于该模型深度特征序列的一阶统计量,构建婴幼儿社交压力环境下的表情行为症状与精神健康状态之间的关联,采用机器学习方法实现自动筛查。结果 1)基于婴幼儿表情人工标注的结果,发现:在1 min静止期,高危组的婴幼儿中性表情持续时长相对正常对照组偏高(p<0.01),而其他表情未发现有统计学意义的差异;2)提出的深度空时特征学习网络在本研究的30例婴幼儿面部表情视频数据集上的总体平均识别率达到了87.1%,3类表情预测结果与人工标注结果具有较高的一致性,其中Kappa一致性系数达到0.63,Pearson相关系数达到0.67;3)基于面部表情深度特征序列一阶统计量的精神健康状态预测性能达到灵敏度70%,特异性90%,分类正确率83.3%(置换检验p<0.05)。结论 本文提出的基于婴幼儿面部表情深度特征序列一阶统计量的精神健康状态自动预测模型是有效的,有助于实现高危孤独症谱系障碍自动筛查。 相似文献
27.
28.
一种基于2D-DWT和2D-PCA的人脸识别方法 总被引:11,自引:1,他引:10
提出了一种联合图像二维离散小波变换(2D-DWT)和二维主成分分析(2D-PCA)的人脸识别方法。首先通过2D-DWT将当前图像分解成四个子图像,其中一子图像对应原图像的主体部分(低通部分),其余三个子图像则对应图像的细节部分(高通部分)。在此基础上,采用2D-PCA方法分别对每一子图像进行特征提取。此外,文中还提出了一种简单有效的方法对各子图像中所提取的特征进行融合,根据所得到的特征进行人脸识别。同其他基于小波分解的人脸识别方法相比,所提出的方法能更充分地利用人脸图像的有用判别信息,并得到更好的识别结果。 相似文献
29.
30.