基于ROI-KNN卷积神经网络的面部表情识别方法.pdf
Ja****23
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
基于ROI-KNN卷积神经网络的面部表情识别方法.pdf
本发明公开了基于ROI?KNN卷积神经网络的面部表情识别方法,该方法包括以下步骤:S1、获取驾驶过程中的驾驶员的视频影像数据;S2、对所述视频影像数据进行人脸定位,提取人脸特征区域;S3、按预设时间间隔截取所述人脸特征区域的视频帧作为面部图像数据;S4、对所述面部图像数据进行增强校正,得到面部表情图像;S5、将所述面部表情图像输入训练后的深度卷积神经网络模型;S6、输出驾驶员面部表情识别结果。通过结合感兴趣区域和K最近邻算法构建的深度卷积神经网络模型,能提高人脸表情数据在识别模型中训练效果,从而降低由于面
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。
基于数据增强和卷积神经网络的面部表情识别研究与实现.pdf
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
基于迁移学习技术的面部表情识别方法.pdf
本发明公开了基于迁移学习技术的面部表情识别方法,实时面部数据采集,面部图像识别并截取、灰度化处理、人脸面部LBP特征提取,比较平均脸确定每个测试样本属于的领域,查看模型库是否存在对应的迁移模型,如存在,则将图片文件放入模型中预测,否则继续执行;采用对源域样本采样的迁移学习方法进行模型训练和预测,在目标领域样本不足的情况下,通过目标领域的少量样本来指导源领域样本采样,如判定对了相关数据样本,则对新的样本进行标记,使用被采样保留的源领域数据和目标领域数据一起参与下一轮的监督式机器学习模型的训练,而新训练得到的