共查询到10条相似文献，搜索用时 208 毫秒
1.
随着人机交互技术和机器学习技术的发展,人脸表情识别技术逐渐成为研究热点。针对传统人脸表情识别算法鲁棒性差、表情特征提取能力不足的问题,提出一种改进的基于卷积神经网络的人脸表情识别算法。首先对人脸图像进行预处理,检测并分割出人脸关键点的部分图像,然后输入到包含卷积神经网络通道和卷积稀疏自编码(CSAE)预训练通道的双通道模型中。其中卷积神经网络通道部分使用了批量正则化(Batch Normalization)和ReLU激活函数,加快了模型训练速度,解决了梯度消失问题,同时增加了模型的非线性表达能力。通过引入Dropout技术,解决了网络的过拟合问题。在另一个通道,对输入的人脸表情图像增加了卷积稀疏自编码进行无监督预处理。实验结果表明,该算法在JAFFE、CK+人脸表情数据集上均获得了较好的识别效果。 相似文献
2.
《西安文理学院学报》2020,(2)
针对实际环境中干扰因素多和计算量大,导致人脸识别准确度下降和系统算力不足的问题,提出了一种基于深度神经网络与MPI并行计算的人脸识别算法.首先,分析深度神经网络模型,设计关键训练步骤,同时收集各类人脸图像,建立训练样本库.然后,结合深度神经网络模型,对样本库数据进行训练,生成识别框架,并借助TensorFlow开源模型与Python来实现算法,进而达到识别人脸的目的.最后,基于MPI并行计算技术,搭建高性能并行计算平台,对所提算法进行分段优化与集成,实现识别系统的高速计算效率.实验测试结果显示:与已有的相关识别技术相比,所提算法具有更高的人脸识别准确度与抗干扰能力,从而可为高端智能监控系统提供技术基础. 相似文献
3.
4.
《淮北师范大学学报》2010,(1)
人脸表情分析是指利用计算机对特定人的脸部表情及变化进行分类,进而确定其内心情绪或思想活动,实现人机之间更自然更智能化的交互.采用主动外观模型的方法,利用特征向量构建出人脸外形和纹理的统计模型.用模型生成的合成图像去逼近目标物体图像,并通过合成图像和目标物体图像之间的差异来修正模型的合成图像.在表情分析阶段,采用最小距离的分类器,把从待识别图像中提取出来的表情特征输入到分类器中,最后输出识别结果. 相似文献
5.
人工智能技术的快速发展及线上教学方式的普及,使课堂教学行为的深度分析成为可能.基于人工智能的教学评价新理念,综合应用视频分析、语音识别等方法,从教学双方的情绪变化、教学和学习行为等相关指标出发,动态地记录教学过程并进行评价,提出了一种音视频相结合的教学质量评价模型,并从特征提取、识别模型构建、评价指标设计等方面介绍了教... 相似文献
6.
卷积神经网络是深度学习的一种高效识别方法,将卷积神经网络引入商品图像识别中,能够提高识别精度。卷积神经网络可以直接输入原始图像,以避免对图像进行复杂的预处理工作。首先介绍了卷积神经网络的各层作用,然后设计了多种基于卷积神经网络识别商品图像的模型,从多方面测试了卷积神经网络的分类性能。为提高训练速度,卷积层的激活函数采用线性修正函数(Rectified Linear Units,ReLU)。为确保模型的判别性,对下采样层的特征图进行局部对比度归一化,所设计的网络模型在实验中均达到90%以上的平均分类正确率。 相似文献
7.
梁利亭 《晋城职业技术学院学报》2020,13(2):40-44
传统的课堂教学评价往往效率低下,并带有较强的主观性。针对传统课堂评价中存在的不足,结合深度学习技术,在CNN模型基础上建立起适合课堂场景的人脸检测和表情识别模型,得到比较准确的人脸特征,接着使用朴素贝叶斯分类器对得到的人脸特征进行分类和评价,然后研究面部特征与课堂质量之间的关系,最后建立起基于人脸检测和表情识别的课堂评价规则。实验数据表明,本研究可以作为课堂教学评价的重要参考指标。 相似文献
8.
人脸表情识别和软件换肤分别作为人机交互中的智能化和人性化技术得到了深入的研究。本文结合以上两种技术提出了基于人脸表情识别的软件界面自动换肤思想,介绍了一种软件界面自动换肤系统的设计,并讨论了主成分分析检测定位模型。仿真结果证明了该方案的可行性。 相似文献
9.
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术.用摄像机采集人脸图像,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部一系列相关技术处理,包括人脸图像采集、人脸定位、人脸识别,达到识别不同人身份的目的.在该项目实现过程中,本文首先调用了OPENCV自带关于人脸识别的函数facedetect 来进行初步人脸识别得到的初步效果,用肤色做出了静态人脸识别,在图片上显示了人脸,并用椭圆形框对其识别. 相似文献
10.
传统的人脸识别多采用浅层结构提取人脸特征,这类方法提取人脸图像能力有限,效果相对较差。针对上述缺陷,提出基于卷积神经网络的高效识别人脸方法。该方法所设计的模型,结合了VGGNet模型的层次结构优势并融合跨层次结构的上采样特征,大大提高了人脸识别的准确性及识别精度。该模型在Caffe下训练出样本集后在MATLAB上得到了验证。 相似文献