一种基于分块多尺度卷积神经网络的微表情识别方法

    公开(公告)号:CN118314617A

    公开(公告)日:2024-07-09

    申请号:CN202410741153.5

    申请日:2024-06-11

    摘要: 本发明提供一种基于分块多尺度卷积神经网络的微表情识别方法,包括:提供包括多个视频序列的数据集,视频序列包括起始帧和顶点帧;从数据集中选择一个视频序列作为待测样本;提供基于分块多尺度卷积神经网络;将待测样本输入基于分块多尺度卷积神经网络,基于分块多尺度卷积神经网络的光流特征提取模块根据待测视频生成四维光流特征向量;基于分块多尺度卷积神经网络的分块多尺度卷积模块根据四维光流特征向量生成识别结果。通过光流特征提取模块更准确地捕捉和强化微表情的动态特征,为识别过程提供丰富的信息源;分块多尺度卷积模块增强了对微妙面部变化的敏感度,从而提升微表情识别的准确性。

    一种基于分块多尺度卷积神经网络的微表情识别方法

    公开(公告)号:CN118314617B

    公开(公告)日:2024-10-08

    申请号:CN202410741153.5

    申请日:2024-06-11

    摘要: 本发明提供一种基于分块多尺度卷积神经网络的微表情识别方法,包括:提供包括多个视频序列的数据集,视频序列包括起始帧和顶点帧;从数据集中选择一个视频序列作为待测样本;提供基于分块多尺度卷积神经网络;将待测样本输入基于分块多尺度卷积神经网络,基于分块多尺度卷积神经网络的光流特征提取模块根据待测视频生成四维光流特征向量;基于分块多尺度卷积神经网络的分块多尺度卷积模块根据四维光流特征向量生成识别结果。通过光流特征提取模块更准确地捕捉和强化微表情的动态特征,为识别过程提供丰富的信息源;分块多尺度卷积模块增强了对微妙面部变化的敏感度,从而提升微表情识别的准确性。

    基于动态事件触发机制的车辆悬挂系统故障容错控制方法

    公开(公告)号:CN118386759A

    公开(公告)日:2024-07-26

    申请号:CN202410522133.9

    申请日:2024-04-28

    申请人: 东北大学

    IPC分类号: B60G17/0185

    摘要: 本发明提供一种基于动态事件触发机制的车辆悬挂系统故障容错控制方法,首先针对车辆的四个悬挂系统,提出了一种基于多智能体的车辆悬挂系统模型。为了提高车辆减振性能,在车辆悬挂系统的中心设计了一个虚拟领导者。将存储在云服务器中的道路信息作为虚拟领导者的输入,通过控制四个悬挂系统,优化实际车辆的驾驶性能。考虑到可能存在的执行器故障,提出了故障容错控制方案,建立增广系统,消除了故障对于系统性能的影响。同时,为了节省悬挂系统间的通信资源,建立动态事件触发机制,利用Lyapunov‑Krasovskill泛函方法,获取控制器增益矩阵,控制车辆悬挂系统,主动缓冲由不平路面传给车身的冲击力,保证汽车平顺地行驶。