基于面部关键点的自适应图卷积表情识别方法及系统

    公开(公告)号:CN118135631A

    公开(公告)日:2024-06-04

    申请号:CN202410247707.6

    申请日:2024-03-05

    Applicant: 山东大学

    Abstract: 本发明公开了基于面部关键点的自适应图卷积表情识别方法及系统,其中方法,包括:获取待识别的人脸面部视频,提取视频中每一帧图像的面部关键点,得到待识别人脸面部视频的面部关键点的序列数据;基于面部关键点的序列数据,分别生成面部肌肉的序列数据、面部关键点移动的序列数据以及面部肌肉移动的序列数据;基于面部关键点的序列数据,生成面部关键点图;基于面部肌肉的序列数据,生成面部肌肉图;基于关键点移动的序列数据,生成面部关键点移动图;基于面部肌肉移动的序列数据,生成面部肌肉移动图;将面部关键点图、面部肌肉图、面部关键点移动图和面部肌肉移动图,均输入到训练后的多流自适应图卷积网络中,输出人脸面部表情的分类结果。

    一种语音谎言检测方法、装置、介质及设备

    公开(公告)号:CN116229992A

    公开(公告)日:2023-06-06

    申请号:CN202310177969.5

    申请日:2023-02-28

    Applicant: 山东大学

    Abstract: 本发明属于语音信号处理技术领域,提供了一种语音谎言检测方法、装置、介质及设备。其中,语音谎言检测方法,其包括获取待测语音信号并对其进行预处理;分解预处理后的待测语音信号,并从中筛选出有效信息,利用这些有效信息重构语音信号;从重构的语音信号中提取音频特征梅尔倒谱系数,并计算其一阶差分和二阶差分,再将提取的音频特征梅尔倒谱系数及其一阶差分和二阶差分进行堆叠,得到堆叠语音特征;从堆叠语音特征中提取基于时间序列的深度语音特征,将基于时间序列的深度语音特征进行时间递归处理,得到代表谎言与真话的概率,确定出谎言检测结果。

    基于几何特征加权融合的动态人脸表情识别方法及系统

    公开(公告)号:CN113076916B

    公开(公告)日:2023-05-12

    申请号:CN202110418667.3

    申请日:2021-04-19

    Applicant: 山东大学

    Abstract: 本发明提出了基于几何特征加权融合的动态人脸表情识别方法及系统,包括:针对处理后的人脸表情图像序列进行特征提取;具体包括:提取引起表情变化的关键部位特征点的位置信息,作为第一几何特征;提取表情变化过程中表情的形变信息,作为第二几何特征;将上述第一几何特征及第二几何特征分别单独进行分类,分别获得其对应的识别准确率;基于上述识别准确率对上述两种几何特征进行权重分配,级联成一维几何特征,对加权融合后的一维几何特征进行分类,得到表情的识别结果。有效利用表情发生过程中产生的几何特征,并从位置、时间、形变多个角度进行分析,增强了几何特征的表达能力和特征提取速率。

    基于深度学习的待检测人员危险表情检测方法及系统

    公开(公告)号:CN113723165A

    公开(公告)日:2021-11-30

    申请号:CN202110319441.8

    申请日:2021-03-25

    Applicant: 山东大学

    Abstract: 本发明公开了基于深度学习的待检测人员危险表情检测方法及系统,获取待检测人员视频;对待检测人员视频中的图像,进行人脸检测;捕获含有可识别人脸的单帧图像,得到待检测的人脸图像;对待检测人员视频中的单帧图像,进行人体关键点检测;将待检测的人脸图像进行人脸特征向量提取,得到人脸特征向量;将人脸特征向量和人脸关键点进行特征融合,并将融合后的特征输入到训练后的分类器中,输出表情初步分类结果;判断肢体关键点是否超过设定区域,如果超过,则得出危险肢体结果;结合肢体检测结果,对表情初步分类结果进行修正,得到单帧图像最终表情分类结果;本发明具有检测精度高、检测速度快和避免误判的优点。

    基于压缩感知的脉冲超宽带信号接收检测方法及系统

    公开(公告)号:CN111446967B

    公开(公告)日:2021-10-26

    申请号:CN202010255258.1

    申请日:2020-04-02

    Applicant: 山东大学

    Abstract: 本公开公开了基于压缩感知的脉冲超宽带信号接收检测方法及系统,接收来自无线信道的脉冲超宽带信号,对脉冲超宽带信号进行带外噪声滤除;对滤除带外噪声后的脉冲超宽带信号,以符号周期为间隔进行观测,每个符号周期得到一组观测值,将观测值进行量化及编码处理后形成每个导频符号的数字化观测向量和每个数据符号对应的数字化观测向量;对每个导频符号和数据符号的数字化观测向量分别进行处理,得到导频符号和每个数据符号对应的数字化观测向量投影系数向量;将导频符号的数字化观测向量投影系数向量与每个数据符号的数字化观测向量投影系数向量,进行内积运算,然后根据内积运算结果的极性完成数据符号检测,直至所有数据符号处理完毕。

    一种基于视频流的面部表情识别方法及系统

    公开(公告)号:CN113111789A

    公开(公告)日:2021-07-13

    申请号:CN202110406836.1

    申请日:2021-04-15

    Applicant: 山东大学

    Abstract: 本发明公开一种基于视频流的面部表情识别方法及系统,包括:确定视频流中每帧图像的人脸定位区域;提取人脸定位区域的人脸关键点,计算人脸关键点间的距离特征;根据距离特征与训练后的表情分类模型,得到每帧图像的各类表情概率值;根据每帧图像的各类表情概率值中最大值与预设阈值的比较结果,对每帧图像进行筛选,得到所有有效帧并确定对应的表情分类结果,利用滑动时间窗口对有效帧表情分类结果在时间维度上进行融合处理,得到以滑动步长为间隔的表情识别结果。利用人脸敏感部位关键点信息弱化视频会话中说话人不重要部位对情绪产生的影响;提取面部几何特征值作为模型的输入,而不是直接将原始图片输入到模型中,在部署应用时可以减少计算量,达到较好的实时性。

    基于梯度方向参数优化的神经网络的图像分类方法及系统

    公开(公告)号:CN113052239A

    公开(公告)日:2021-06-29

    申请号:CN202110320168.0

    申请日:2021-03-25

    Applicant: 山东大学

    Abstract: 本发明公开了基于梯度方向参数优化的神经网络的图像分类方法及系统,获取图像数据集,对图像数据集中的每一幅图像进行预处理;构建卷积神经网络,设置卷积神经网络的超参数和损失函数;将预处理后的图像和已知图像分类标签,作为卷积神经网络的输入值,开始对卷积神经网络进行训练;根据卷积神经网络的输出与图像标签,计算损失函数,然后进行误差反向传播;在误差反向传播的过程中,采用梯度方向参数优化的方式,实现卷积神经网络训练过程中参数的更新,满足结束条件后,结束迭代训练,得到训练好的卷积神经网络;基于训练好的卷积神经网络,对待分类图像进行分类,得到待分类图像的分类标签。本申请具有图像分类速度快,稳定性强的优点。

    一种由宏表情到微表情的迁移学习方法

    公开(公告)号:CN109409287B

    公开(公告)日:2021-05-14

    申请号:CN201811250453.4

    申请日:2018-10-25

    Applicant: 山东大学

    Abstract: 本发明涉及一种由宏表情到微表情的迁移学习方法,在训练过程中该模型采用子空间投影的方式,将微表情特征矩阵和宏表情特征矩阵投影到公共子空间中,并用宏表情特征矩阵重构微表情特征矩阵,通过施加约束的方式使得公共子空间内宏表情和微表情特征和结构差别最小化,使得子空间内宏表情和微表情关联最大化,迭代优化目标投影矩阵,最后将测试集数据利用求得的目标投影矩阵投影到公共子空间并采用KNN进行分类。实现了将已有的宏表情域样本的有用信息迁移到微表情域,相当于扩充已标记微表情的样本数目,克服了微表情样本少标记困难的弊端。该方法不仅减少了标记的人力浪费,而且大大的提高了识别性能,提供了微表情识别的另一种策略。

    基于压缩感知的脉冲超宽带信号接收检测方法及系统

    公开(公告)号:CN111446967A

    公开(公告)日:2020-07-24

    申请号:CN202010255258.1

    申请日:2020-04-02

    Applicant: 山东大学

    Abstract: 本公开公开了基于压缩感知的脉冲超宽带信号接收检测方法及系统,接收来自无线信道的脉冲超宽带信号,对脉冲超宽带信号进行带外噪声滤除;对滤除带外噪声后的脉冲超宽带信号,以符号周期为间隔进行观测,每个符号周期得到一组观测值,将观测值进行量化及编码处理后形成每个导频符号的数字化观测向量和每个数据符号对应的数字化观测向量;对每个导频符号和数据符号的数字化观测向量分别进行处理,得到导频符号和每个数据符号对应的数字化观测向量投影系数向量;将导频符号的数字化观测向量投影系数向量与每个数据符号的数字化观测向量投影系数向量,进行内积运算,然后根据内积运算结果的极性完成数据符号检测,直至所有数据符号处理完毕。

    基于改进注意力机制并结合语义的语音信息识别方法及系统

    公开(公告)号:CN110675860A

    公开(公告)日:2020-01-10

    申请号:CN201910905808.7

    申请日:2019-09-24

    Applicant: 山东大学

    Abstract: 本公开提供了一种基于改进注意力机制并结合语义的语音信息识别方法及系统,对原始语音数据进行预处理,进行加窗分帧,并对每一帧提取声学特征;构建LSTM模型,通过改进注意力机制优化LSTM模型,将LSTM中的输出序列进行时域卷积,长度跨越单帧上的所有特征,让LSTM模型输出序列每一帧可以关联并利用到相邻帧的信息,得到语音通道信息特征;对于原始语音数据进行自动语音识别,得到对话的文本数据,对于得到的文本数据行进词向量化预处理,对于词向量化后的文本序列,用双层LSTM与全连接层得到高层深度学习特征,得到语义通道信息特征;融合语音通道信息特征和语义通道信息特征,得到最终语音识别结果。

Patent Agency Ranking