一种基于FPGA的二值神经网络实时面部情绪识别方法.pdf
康平****ng
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于FPGA的二值神经网络实时面部情绪识别方法.pdf
本发明公开了一种基于FPGA的二值神经网络实时面部情绪识别方法,所述方法包括:步骤1)对采集的视频图像进行预处理;步骤2)基于Harr?like特征模板,采用窗口滑动机制对预处理后图像中的人脸进行检测与裁剪,并截取包含人脸图像的部分,采用圆形LBP算子对截取图像提取局部二值信息;步骤3)将提取的局部二值信息输入预先建立和训练好的面部情绪识别模型得到情绪识别结果;所述面部情绪识别模型为二值神经网络,通过在FPGA中采用同或门设计、位累计运算和阈值比较方法,进行前向推理,实现情绪识别。
一种基于神经网络的湖羊行为实时识别方法.pdf
本发明公开了一种基于神经网络的湖羊行为实时识别方法,包括:采集湖羊行为视频,以建立湖羊行为数据集;对所述湖羊行为数据集进行数据预处理;建立基于注意力机制的TSM神经网络模型,并利用预处理后的数据进行训练;将所述基于注意力机制的TSM神经网络模型搭载到AI边缘计算设备上;利用所述AI边缘计算设备的摄像头实时采集湖羊状态,利用所述基于注意力机制的TSM神经网络模型识别湖羊行为并输出识别结果;本发明利用时移模块增强前后帧之间的联系,丰富了时间维度上的信息;利用注意力模块增强了对湖羊信息的感知;在模型复杂度较低的
一种基于时空特征的面部肌电情绪识别方法.pdf
本发明公开了一种基于时空特征的面部肌电情绪识别方法,其步骤包括:第一步,对于原始多通道面部肌电信号进行一系列预处理操作,具体步骤包括:滤波、归一化和样本分割;第二步,获取多通道面部肌电信号中的时空信息,并对其进行增强和提取时空特征,具体步骤包括:构建2D帧序列和多粒度扫描;第三步,构建级联森林分类器完成情绪分类任务。本发明从多通道面部肌电信号中提取出时空特征,并采用级联森林分类器在小样本数据集上完成了分类任务,从而能实现高效、准确的情绪识别,为基于面部肌电信号的情绪识别的实际应用提供了新的思路和解决方法。
一种基于多通道并行卷积神经网络的实时表情识别方法.pdf
本发明请求保护一种基于多通道并行卷积神经网络的实时表情识别方法,包括以下步骤:从面部表情数据集中提取包含RGB与Depth图像的表情数据;对彩色图像进行局部二值化及提取面部关键点预处理,对深度图像进行梯度化预处理,将预处理后的图像分为训练集与测试集两部分并构建多通道并行卷积神经网络;将训练集中预处理后的图像送入网络中训练,获得学习了面部表情轮廓、立体分布及关键点特征的深度通道、lbp通道及关键点通道识别模型;将三种识别模型的分类结果采用最大置信融合,得到最终表情识别模型并构建实时表情识别系统。本发明增强了
一种基于共享集成卷积神经网络的戏曲人物面部表情识别方法.pdf
本发明公开了一种基于共享集成卷积神经网络的戏曲人物面部表情识别方法,采用的集成卷积神经网络分为共享层以及不同的卷积分支层,共享层主要学习输入戏曲人物面部图片的低级特征,即面部肤色、纹理等特征,卷积分支层可以在其现有基础上不断学习,得到越来越复杂的概念,给其赋予语义特征,例如鼻子、嘴巴和眼睛等关键表情特征以及妆容特征信息,然后本模型经过训练得到最佳的共享层数和卷积分支数,高效识别戏曲人物的表情变化;本发明结构完整,完善了集成神经网络训练时的高参数冗余问题,加快了模型训练速度,减少了训练时间,提高了识别精度。