【摘 要】
：
表情识别是情感计算的一个重要分支,在医疗、教育、安保等领域有着广泛的应用前景。传统的表情识别主要针对实验环境下的正面人脸表情图像,但在自然环境下,人脸具有多种姿态,传统方法面临着挑战,研究人员提出了多角度的人脸表情识别方法。其中策略之一是将侧面人脸表情图片进行矫正,使多角度表情识别问题变成正面表情识别问题,但该策略容易受到具体的人脸矫正方法和特征提取算法的影响,性能还有待提高。为解决上述问题,本文
论文部分内容阅读
表情识别是情感计算的一个重要分支,在医疗、教育、安保等领域有着广泛的应用前景。传统的表情识别主要针对实验环境下的正面人脸表情图像,但在自然环境下,人脸具有多种姿态,传统方法面临着挑战,研究人员提出了多角度的人脸表情识别方法。其中策略之一是将侧面人脸表情图片进行矫正,使多角度表情识别问题变成正面表情识别问题,但该策略容易受到具体的人脸矫正方法和特征提取算法的影响,性能还有待提高。为解决上述问题,本文提出了一种基于人脸矫正的多角度表情识别方法,在人脸矫正和特征提取方面都进行了相关研究。主要内容如下:（1）针对大角度人脸矫正的问题,采用了基于生成对抗网络的人脸矫正模型EF-GAN。该模型的生成模块使用自编码网络进行正面人脸表情图片的合成;人脸表情主要体现在五官变化,为了更好地让人脸矫正模型保留表情特征信息,判别模块在全局判别器外,又增加了三个用于判断人脸五官特征的局部判别器。实验结果表明,使用了EF-GAN模型的多角度表情识别方法在Multi-PIE数据集上的识别率高于其它方法,证明了该模型的有效性。（2）针对单一特征不能全面表现出人脸表情特征的问题,本文将MLBP算法与HOG算法进行了串行融合,形成一种新的特征提取算法MLBP-HOG。该算法在保留图像局部纹理细节的同时,也保留了图像的边缘特征,能够更加全面地提取图像的表情信息。实验结果表明,EF-GAN+MLBP-HOG的多角度表情识别方法在Multi-PIE数据集上的平均识别率达到了85.37%,超出了同类型多角度表情识别方法EF-GAN+MLBP和EF-GAN+LBP。（3）设计并实现了一个多角度人脸表情识别原型系统,该系统主要由数据输入模块、预处理及人脸矫正模块、特征提取和分类模块、结果展示模块四部分组成,能够对静态表情图片和实时的人脸视频进行情感分析。该系统的实现表明了本文提出算法的有效性和应用价值。
其他文献
针对传统方法无法准确识别含高次谐波家用负荷的问题,文中提出了基于V-I轨迹矩阵、功率及高次谐波多特征融合的负荷辨识方法.首先,分析了11种典型家用负荷的V-I轨迹、功率特征以及谐波特征,提出了基于像素图像转换的混合特征矩阵构建方法,将负荷的功率、高次谐波特征通过二进制编码转换与基本V-I像素轨迹相融合,丰富了样本的特征信息;然后以混合特征矩阵作为卷积神经网络的输入,实现了对家用负荷类型的准确识别.算例中,文中所提算法可准确区分功率特征相似但高次谐波含量不同的加热器与吹风机2种负荷,且其对全类型家用负荷的准
随着社会的发展,老龄化进程进一步推进,国民生活水平与生活方式的变化及医疗卫生服务体系的不断完善等多重因素综合影响下,社区卫生服务中心的重要性日益凸显。而当前建设水平参差不齐、建设标准更新停滞及建筑学领域相关研究较少,本文基于此背景,从建筑学领域对社区卫生服务中心的设计策略进行探讨。本文分为4个部分,累计共5章:第一章（绪论）为第一部分。详细阐述了社区卫生服务中心的研究背景及现状,并对本文研究目的及
针对氯乙烯合成系统排酸及取样过程中存在的原料浪费和空气污染问题进行了工艺改造,改造降低了生产成本,避免了环境污染.
随着风电利用率的大规模提高,应用典型场景法应对风电机组出力的不确定性具有重要意义.针对多风电场出力之间的时空相关性提出一种改进的场景生成与缩减方法,并提出评价方法来检验生成场景的质量.该方法应用指数函数法构建体现风电时间相关性的多元变量协方差矩阵,应用Copula函数建立多风电场空间相关性模型,通过对随机数与历史数据的累积概率分布函数进行时空相关非线性变换与等概率逆变换生成大量初始场景.改进K-means聚类方法,通过手肘法与聚类有效性指标综合确定最优聚类数目后,缩减得到代表性时空相关风电场景.最后通过4
介绍了电石渣中乙炔回收工艺流程,分析了电石渣中乙炔回收运行中存在的问题,并提出了改进措施,确保了装置的安全稳定运行.
为了提高停电后电力系统负荷恢复效率,具有调控优势且响应速度快的储能参与系统恢复已经成为必然趋势.现有研究中,储能主要是作为可再生能源的辅助电源,平抑可再生能源出力波动;大规模储能也可作为黑启动电源,为待恢复机组提供启动功率.但上述研究都侧重于利用储能的输出功率,而忽略了储能调频能力在提高系统安全性方面的作用,未能更大程度地提高系统的恢复效率.为此,文中提出了考虑电网侧储能调频能力的电力系统负荷恢复策略.以恢复尽可能多的重要负荷为目标,考虑储能的功率特性、频率响应特性和其他安全约束,构建电力系统负荷恢复模糊
现有规划方法未充分考虑分布式光伏电站(DPVG)出力与电动汽车充电站(EVCS)充电负荷的随机特性,针对该问题,文中首先基于场景概率法进行概率潮流分析,并建立基于机会约束的DPVG-EVCS联合规划模型,在确保配电系统运行工况满足机会约束的前提下,优化DPVG与EVCS的建设位置与容量,降低配电系统网损.然后,采用基于遗传算法(GA)的协同进化算法(CA)求解DPVG-EVCS联合规划模型,将待求优化问题分解为EVCS规划子问题与DPVG规划子问题,采用GA进行求解,并通过生态系统协同2个GA种群进化,直
基于汽车智能化以及安全问题等众多因素的考虑,天线作为车载雷达系统中的主要部分,其尺寸结构、辐射性能等对车载雷达的系统性能有重要作用。24GHz天线作为短距离探测雷达可以应用于倒车辅助、盲点检测、自动泊车等。本文基于分形理论,主要分析设计了应用于24GHz的小型化宽带车载雷达天线。通过利用Minkowski分形理论,设计了双层的小型化宽带天线。利用上层辐射贴片的分形结构来精确控制天线的谐振频率,达到
目前异常用电检测问题有许多基于分类的方法,但大多都是基于短期用电行为的判决来判断长期用电行为,判决阈值与比例难以确定,且在实际应用中,不同区域、时段的用户用电数据分布差异较大,比例与阈值也会有较大的不同,难以以固定的比例通用于所有的用户数据.针对此问题,文中提出一种基于强化学习的异常用电判决方法,创新地利用强化学习模型来动态生成阈值,以适应差异较大的不同数据集.首先获取分类器输出的数个用户短期行为的异常概率,然后输入到强化学习模型深度递归Q网络(DRQN)中,学习得到动态阈值即判决阈值与判决比例.试验结果
作为新能源领域的课题热点之一,短期风功率预测的研究在提高预测精度的同时也应重视模型的工程化应用.据此,提出一种基于偏最大信息系数的组合XGBoost预测模型.首先,设计一种基于偏最大信息系数的特征选择算法,通过引入偏互信息,在挖掘出对风功率影响较大的气象特征的同时,也能消除耦合信息带来的不利影响.在此基础上,为兼顾模型的精度和计算效率,降低单个模型的预测风险,构建以XGBoost为底层算法的组合预测模型,进一步实现风功率预测.采用2个具有较大差异的风电场作为算例进行验证分析,结果表明,基于偏最大信息系数特