一种检测视频中人脸微笑表情的方法

    公开(公告)号:CN109325452A

    公开(公告)日:2019-02-12

    申请号:CN201811122789.2

    申请日:2018-09-26

    Applicant: 广州大学

    Abstract: 本发明属于视频检测技术领域,特别涉及一种检测视频中人脸微笑表情的方法,包括:随机采集人脸数据库图片数据并标记每张图片是否为微笑表情图片;设置比例选取训练图像与测试图像,对训练图像进行预处理,将预处理后的训练图像输入人脸微笑检测模型进行训练;用十折交叉验证法处理训练数据,统计误差,取误差最小的模型为最终人脸微笑检测模型,将测试图像输入最终模型进行测试;加载OpenCV自带的人脸检测分类器,调用视频文件并展示后,使用函数进行识别;逐帧捕获视频人脸图像并放大,加载最终模型并设置输出参数调整模型,最终模型输出是否微笑的结果总和。本方法采用十折交叉验证算法升级模型精度,可实时对视频文件进行人脸微笑的检测。

    一种语言冲突的预测方法

    公开(公告)号:CN110046253A

    公开(公告)日:2019-07-23

    申请号:CN201910283966.3

    申请日:2019-04-10

    Applicant: 广州大学

    Abstract: 本发明属于自然语言处理技术,为语言冲突的预测方法,包括步骤:用机器学习方法获得候选对话数据集;对数据集进行筛选,筛选出开始为文明对话而随后恶化为有害对话的对话数据;下载所建立的语料库,使用convokit语料库类构建convokit语料库对象;提取语料的提示类型特征;在语料库上训练QuestionTypology对象,将Wiki语料库加载到数据集对象;提取礼貌策略特征;创建成对的数据;根据提示类型特征、礼貌策略特征和成对数据,构造特征矩阵;使用logistic回归模型,比较显示的语用特征,从而对网络对话是否可能恶化进行预测。本发明方法对网络对话是否可能恶化进行有效预测,有利于网络矛盾的防治处理。

    一种对异常行为的视觉分析处理方法

    公开(公告)号:CN109359510B

    公开(公告)日:2022-03-22

    申请号:CN201810980742.3

    申请日:2018-08-27

    Applicant: 广州大学

    Abstract: 本发明公开了一种对异常行为的视觉分析处理方法,包括:使用光流法,根据跟踪图像中角点的流动方向采集光流数据,训练数据作为LK光流算法的输入进行模型的训练;通过LBP算法进行纹理特征提取,将获得的数据与已训练好的样本数据进行对比,实现被看护人的区分;通过构造的验证和测试样本数据微调训练得到LBP模型参数,通过不断训练样本数据修正模型参数来提高模型精度;使用dlib自带的frontal_face_detector作为人脸特征检测器,实现人脸个数识别;将该三类模型设置主要输出参数调整模型,综合比较三类测试模型与训练模型的比较结果,最终模型输出被看护人的行为异常或否。

    一种语言冲突的预测方法

    公开(公告)号:CN110046253B

    公开(公告)日:2022-01-04

    申请号:CN201910283966.3

    申请日:2019-04-10

    Applicant: 广州大学

    Abstract: 本发明属于自然语言处理技术,为语言冲突的预测方法,包括步骤:用机器学习方法获得候选对话数据集;对数据集进行筛选,筛选出开始为文明对话而随后恶化为有害对话的对话数据;下载所建立的语料库,使用convokit语料库类构建convokit语料库对象;提取语料的提示类型特征;在语料库上训练QuestionTypology对象,将Wiki语料库加载到数据集对象;提取礼貌策略特征;创建成对的数据;根据提示类型特征、礼貌策略特征和成对数据,构造特征矩阵;使用logistic回归模型,比较显示的语用特征,从而对网络对话是否可能恶化进行预测。本发明方法对网络对话是否可能恶化进行有效预测,有利于网络矛盾的防治处理。

    一种对异常行为的视觉分析处理方法

    公开(公告)号:CN109359510A

    公开(公告)日:2019-02-19

    申请号:CN201810980742.3

    申请日:2018-08-27

    Applicant: 广州大学

    Abstract: 本发明公开了一种对异常行为的视觉分析处理方法,包括:使用光流法,根据跟踪图像中角点的流动方向采集光流数据,训练数据作为LK光流算法的输入进行模型的训练;通过LBP算法进行纹理特征提取,将获得的数据与已训练好的样本数据进行对比,实现被看护人的区分;通过构造的验证和测试样本数据微调训练得到LBP模型参数,通过不断训练样本数据修正模型参数来提高模型精度;使用dlib自带的frontal_face_detector作为人脸特征检测器,实现人脸个数识别;将该三类模型设置主要输出参数调整模型,综合比较三类测试模型与训练模型的比较结果,最终模型输出被看护人的行为异常或否。

Patent Agency Ranking