期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于表情及姿态融合的情绪识别
被引量:
12
1
作者
文虹茜
卿粼波
+1 位作者
晋
儒
龙
王露
《四川大学学报(自然科学版)》
CAS
CSCD
北大核心
2021年第4期81-86,共6页
情绪识别指在使计算机拥有能够感知和分析人类情绪和意图的能力,从而在娱乐、教育、医疗和公共安全等领域发挥作用.与直观的面部表情相比,身体姿态在情绪识别方面的作用总是被低估.针对公共空间个体人脸分辨率较低、表情识别精度不高的...
情绪识别指在使计算机拥有能够感知和分析人类情绪和意图的能力,从而在娱乐、教育、医疗和公共安全等领域发挥作用.与直观的面部表情相比,身体姿态在情绪识别方面的作用总是被低估.针对公共空间个体人脸分辨率较低、表情识别精度不高的问题,提出了融合面部表情和身体姿态的情绪识别方法.首先,对视频数据进行预处理获得表情通道和姿态通道的输入序列;然后,使用深度学习的方法分别提取表情和姿态的情绪特征;最后,在决策层进行融合和分类.构建了基于视频的公共空间个体情绪数据集(SCU-FABE),在此基础上,结合姿态情绪识别数据增强,实现了公共空间个体情绪的有效识别.实验结果表明,表情和姿态情绪识别取得了94.698%和88.024%的平均识别率;融合情绪识别平均识别率为95.766%,有效融合了面部表情和身体姿态表达的情绪信息,在真实场景视频数据中具有良好的泛化能力和适用性.
展开更多
关键词
深度学习
情绪识别
决策层融合
面部表情
身体姿态
下载PDF
职称材料
基于注意力机制多尺度网络的自然场景情绪识别
被引量:
9
2
作者
晋
儒
龙
卿粼波
文虹茜
《四川大学学报(自然科学版)》
CAS
CSCD
北大核心
2022年第1期45-50,共6页
情绪识别作为计算机视觉的一项基本课题已经取得很大进展,然而在无约束自然场景中的情绪识别仍具挑战性.现有方法主要是利用人脸、姿态以及场景信息识别情绪,但是忽略了人物个体在场景中的不确定性,以及不能很好地挖掘场景中的情绪线索...
情绪识别作为计算机视觉的一项基本课题已经取得很大进展,然而在无约束自然场景中的情绪识别仍具挑战性.现有方法主要是利用人脸、姿态以及场景信息识别情绪,但是忽略了人物个体在场景中的不确定性,以及不能很好地挖掘场景中的情绪线索.针对现有研究存在的问题,提出了基于人物与场景线索的双分支网络结构,两个分支独立学习,通过早期融合得到情绪分类结果.对于人物在场景中的不确定性,引入身体注意力机制预判人物情绪置信度进而获得人体的特征表示,场景中引入空间注意力机制和特征金字塔以便充分获得场景中不同粒度的情绪线索.实验结果表明,此方法有效融合人物与场景信息,在EMOTIC数据集下能够明显提高情绪识别率.
展开更多
关键词
情绪识别
场景理解
注意力机制
特征金字塔
下载PDF
职称材料
基于自适应关键帧选取的人脸表情识别
被引量:
1
3
作者
黄义波
卿粼波
+1 位作者
王露
晋
儒
龙
《信息技术》
2020年第11期19-22,28,共5页
人脸表情识别在人机交互、智能教育和影音娱乐等方面有着广泛的应用,是计算机视觉领域的研究重点。人脸表情序列中存在大量的冗余信息,找到人脸表情序列中的峰值表情能够有效提升人脸表情识别的准确度。为了准确定位峰值表情在人脸表情...
人脸表情识别在人机交互、智能教育和影音娱乐等方面有着广泛的应用,是计算机视觉领域的研究重点。人脸表情序列中存在大量的冗余信息,找到人脸表情序列中的峰值表情能够有效提升人脸表情识别的准确度。为了准确定位峰值表情在人脸表情序列中的位置,提出通过计算表情变化过程中人脸关键点信息的变化来选取处于峰值表情的人脸图像,即关键帧选取方法,同时设计一个Baseline网络结构进行特征提取,用于验证自适应关键帧选取方法的有效性。在MMI和CK+数据集上的实验结果证明了所提方法的有效性。
展开更多
关键词
人脸表情识别
人脸关键点
关键帧选取
特征提取
下载PDF
职称材料
题名
基于表情及姿态融合的情绪识别
被引量:
12
1
作者
文虹茜
卿粼波
晋
儒
龙
王露
机构
四川大学电子信息学院
出处
《四川大学学报(自然科学版)》
CAS
CSCD
北大核心
2021年第4期81-86,共6页
基金
国家自然科学基金(61871278)
四川省科技计划(2018HH0143)。
文摘
情绪识别指在使计算机拥有能够感知和分析人类情绪和意图的能力,从而在娱乐、教育、医疗和公共安全等领域发挥作用.与直观的面部表情相比,身体姿态在情绪识别方面的作用总是被低估.针对公共空间个体人脸分辨率较低、表情识别精度不高的问题,提出了融合面部表情和身体姿态的情绪识别方法.首先,对视频数据进行预处理获得表情通道和姿态通道的输入序列;然后,使用深度学习的方法分别提取表情和姿态的情绪特征;最后,在决策层进行融合和分类.构建了基于视频的公共空间个体情绪数据集(SCU-FABE),在此基础上,结合姿态情绪识别数据增强,实现了公共空间个体情绪的有效识别.实验结果表明,表情和姿态情绪识别取得了94.698%和88.024%的平均识别率;融合情绪识别平均识别率为95.766%,有效融合了面部表情和身体姿态表达的情绪信息,在真实场景视频数据中具有良好的泛化能力和适用性.
关键词
深度学习
情绪识别
决策层融合
面部表情
身体姿态
Keywords
Deep learning
Emotion recognition
Decision-level fusion
Facial expression
Posture
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于注意力机制多尺度网络的自然场景情绪识别
被引量:
9
2
作者
晋
儒
龙
卿粼波
文虹茜
机构
四川大学电子信息学院
出处
《四川大学学报(自然科学版)》
CAS
CSCD
北大核心
2022年第1期45-50,共6页
基金
国家自然科学基金(61871278)
四川省科技计划项目(2018HH0143)。
文摘
情绪识别作为计算机视觉的一项基本课题已经取得很大进展,然而在无约束自然场景中的情绪识别仍具挑战性.现有方法主要是利用人脸、姿态以及场景信息识别情绪,但是忽略了人物个体在场景中的不确定性,以及不能很好地挖掘场景中的情绪线索.针对现有研究存在的问题,提出了基于人物与场景线索的双分支网络结构,两个分支独立学习,通过早期融合得到情绪分类结果.对于人物在场景中的不确定性,引入身体注意力机制预判人物情绪置信度进而获得人体的特征表示,场景中引入空间注意力机制和特征金字塔以便充分获得场景中不同粒度的情绪线索.实验结果表明,此方法有效融合人物与场景信息,在EMOTIC数据集下能够明显提高情绪识别率.
关键词
情绪识别
场景理解
注意力机制
特征金字塔
Keywords
Emotion recognition
Scene understanding
Attention mechanism
Feature pyramid
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于自适应关键帧选取的人脸表情识别
被引量:
1
3
作者
黄义波
卿粼波
王露
晋
儒
龙
机构
四川大学电子信息学院
出处
《信息技术》
2020年第11期19-22,28,共5页
基金
国家自然科学基金(61871278)。
文摘
人脸表情识别在人机交互、智能教育和影音娱乐等方面有着广泛的应用,是计算机视觉领域的研究重点。人脸表情序列中存在大量的冗余信息,找到人脸表情序列中的峰值表情能够有效提升人脸表情识别的准确度。为了准确定位峰值表情在人脸表情序列中的位置,提出通过计算表情变化过程中人脸关键点信息的变化来选取处于峰值表情的人脸图像,即关键帧选取方法,同时设计一个Baseline网络结构进行特征提取,用于验证自适应关键帧选取方法的有效性。在MMI和CK+数据集上的实验结果证明了所提方法的有效性。
关键词
人脸表情识别
人脸关键点
关键帧选取
特征提取
Keywords
facial expression recognition
facial landmark
key frame selection
feature extraction
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于表情及姿态融合的情绪识别
文虹茜
卿粼波
晋
儒
龙
王露
《四川大学学报(自然科学版)》
CAS
CSCD
北大核心
2021
12
下载PDF
职称材料
2
基于注意力机制多尺度网络的自然场景情绪识别
晋
儒
龙
卿粼波
文虹茜
《四川大学学报(自然科学版)》
CAS
CSCD
北大核心
2022
9
下载PDF
职称材料
3
基于自适应关键帧选取的人脸表情识别
黄义波
卿粼波
王露
晋
儒
龙
《信息技术》
2020
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部