微表情面部肌电跨模态分析及标注算法

长久以来,微表情的小样本问题始终制约着微表情分析的发展,而小样本问题归根到底是因为微表情的数据标注十分困难。本研究希望借助面部肌电作为技术手段,从微表情数据自动标注、半自动标注和无标注三个方面各提出一套解决方案。对于自动标注,提出基于面部远端肌电的微表情自动标注方案;对于半自动标注,提出基于单帧标注的微表情起止帧自动标注;对于无标注,提出了基于肌电信号的跨模态自监督学习算法。同时,本研究还希望借助肌电模态,对微表情的呈现时间和幅度等机理特征进行拓展研究。

基于轮廓的孔洞填充算法

提出一种基于轮廓的孔洞填充算法.该算法首先查找目标区域的外围轮廓并添加标记;然后将目标区域内一点作为种子点,以外围轮廓为界进行区域生长,直至找到目标区域上的所有点;最后消除外围轮廓的标记,并将找到的目标区域上所有点置为前景色.实验结果表明,该算法不仅适用于任意类型的孔洞填充,而且具有很高的填充效率;随着目标区域面积的减小,算法的运行速度也会相应提高;将该算法应用在运动目标检测系统中,能够使检测到的信息更完整.

基于稀疏张量的人脸图像特征提取

在多线性主成分分析(Multi-linear principal component analysis,MPCA)的基础上提出了用于特征提取的稀疏张量主成分分析(STPCA)方法。该方法把MPCA中的特征值分解问题转化为线性回归问题,以此得到稀疏的投影矩阵,并通过该投影矩阵来降低遮挡对特征提取效果的影响。最后在Georgia tech和AR人脸库上进行对比实验,结果表明:本文方法无论在识别的精确度上还是在对遮挡的鲁棒性上都优于原有的MPCA算法。

一种基于概念矩阵的概念格生成算法

概念格作为形式概念分析理论中的核心数据结构,在机器学习和数据挖掘等领域有着广泛的应用。构造概念格十分重要,针对此引入了概念矩阵思想,提出了基于概念矩阵的概念格生成算法CMCG(Concept-Matrix Based Concepts Generation)。该算法从格的顶端节点开始构造,基于概念矩阵,利用属性的秩为每个节点生成它的所有子节点,完成子节点到父节点之间的链接,并生成哈斯图。给出了这种算法的理论依据。最后提供了这一算法的伪码,并通过实验证明了CMCG算法的时间性能优于Lattice算法。

基于形状和纹理特征的人脸年龄估计方法

采用活动形状模型ASM将人脸分成若干个三角形,然后使用局部二值模式LBP提取每个三角形区域的纹理特征,并通过支持向量回归对年龄进行估计。本文在著名的FG-NET年龄数据库上采用Leave-one-person-out(LOPO)模式进行实验,使用平均绝对误差和累积指数作为评价标准。实验结果表明,无论是年龄估计还是年龄段估计,本文提出的算法的平均绝对误差都小于AGES算法。同时在实验中也发现,嘴部区域的纹理对年龄估计的影响不大。

一种基于概念格的关联规则挖掘算法

关联规则挖掘是数据挖掘中的一项核心任务,而由二元关系导出的概念格则是一种非常有用的形式化分析工具,它体现了概念内涵和外延的统一,反映了对象和特征间的联系以及概念间的泛化与例化关系。一个概念内涵与一个关联规则中的闭合项集可以一一对应。提出了一种新有基于概念格的关联规则挖掘算法Arca(Association Rule based Concept lAttice)。Arca算法通过概念矩阵构造部分概念格,使概念格中的每个概念对应一个闭合频繁项集。然后生成一些关联规则,在这些关联规则上通过定义了四个算子来生成了所有关联规则。

智能体(Agent)技术在交通枢纽仿真系统中的研究与应用

将Agent技术应用于交通枢纽仿真,以导入的AutoCAD枢纽模型文件和用户绘制的逻辑区作为仿真场景,智能体以逻辑设施节点的转向比例方式选择路径,结合社会力模型,模拟了行人在枢纽内的目标选择、行走、避让和排队行为,实现了行人智能体在枢纽内的自由行走,揭示出枢纽内客流瓶颈随时间的变化过程。

复杂背景下同光度性质物体的图像分割

提出一种针对复杂背景下具有同光度性质物体的分割方法,并将全局最小化活动轮廓方法引入到所提出的方法中,从而达到快速、全局、最小化的效果.该方法利用对目标物体错误检测的"对数概率和"对图像进行二值分类,再对远景区域的数据进行稳健性统计,最后最小化能量函数得到分割结果.通过与C-V模型比较表明,该算法的运算时间及分割准确性具有明显优势.

一种基于BP网络的人体肤色模型

人脸识别已在出入安全检查、视频编码、视频监测与跟踪,基于内容的检索等方面都有着极其重要的应用。皮肤检测是人脸识别和跟踪的关键步骤。其中基于颜色的皮肤检测具有简单、快速、直观,不受物体形状变化、视点改变等影响的优点。提出了一种使用BP人工神经网络建立的人体肤色模型。该模型在不同的颜色的光照下有很好的鲁棒性。

一种快速的虹膜定位算法

提出一种结合傅里叶描绘子和最小二乘法的虹膜定位算法.在虹膜内圆定位时,先用改进的轮廓跟踪算法检测二值化瞳孔边缘的点序列,再用傅里叶描绘子提取该点序列的整体轮廓,最后用最小二乘法拟合内圆.在虹膜外圆定位时,先利用虹膜左、右部分的灰度梯度信息,提取外边缘点序列,再用最小二乘法拟合外圆.实验结果表明,该算法提高了虹膜定位的速度和精度,有效克服了睫毛、眼睑的遮挡,能满足实时虹膜识别系统的需求.

命案攻坚中心理测试技术应用思考

利用心理测试技术协助侦破疑难命案的反思,就测试前分析判断案情、心理测试工作独立开展、专门测试室建设、测试题目编制、测试题目数量等方面结合实案测试进行了深入思考,供心理测试技术从业人员参考,旨在科学、有效地应用此项技术,充分发挥其攻破疑难命案价值。

隐藏情绪分析与识别方法

隐藏情绪识别对公共安全防范与预警具有重要的意义。微表情是揭示隐藏情绪的一条重要通道。但目前隐藏情绪研究较少且微表情因其细微幅度与快速出现等特性难以识别,其研究尚未在实际中广泛应用。因为,隐藏情绪的认知与表达机理亟需系统的研究,采集实际场景中的微表情数据,并以脑电信号辅助微表情的精确标注是提高微表情标注效率的有效途径。深入研究微表情识别方法,并辅以人脸颜色、注视估计和非接触生理信号等多通道数据,以检测与识别隐藏情绪。社会公共安全是隐藏情绪分析和识别的典型场景。面向精神疾病患者两害行为(即危害自身或他人的危险行为)风险评估和服刑人员会见场景隐藏情绪检测,可以有效地对相应系统和方法进行验证和修正。

基于人类注意机制的微表情检测方法

微表情是一种持续时间极短、不易被察觉的面部动作,揭示了个体的真实情绪,可以被广泛地应用于谎言识别等领域。而微表情检测的研究受到小样本问题的限制。针对该问题,本文结合计算机视觉技术与认知心理学实验方法进行探索。首先,结合眼动技术和呈现−判断范式与阈下情绪启动效应的行为实验范式,考察微表情识别中选择注意分配的认知机制,细化人类识别微表情时的特征兴趣区域。其次,结合人类注意机制,提出基于自监督学习的多模态微表情检测方法。通过理论和关键技术的突破,为真实场景下微表情检测的应用奠定基础。

一种3D激光雷达和摄像机的联合标定方法

针对由摄像机和3D激光雷达组成的无人车平台的外部标定问题,提出一种3D激光雷达和摄像机的联合标定方法.通过激光雷达在地面上的扫描信息,获取激光雷达安装的俯仰角和安装高度;利用黑白棋盘格标定板获取摄像机相对车体的姿态外参数;最后综合激光雷达和摄像机的标定结果,对激光雷达、摄像头、车体进行联合标定.该方法只要让标定板放置于车体正前方,采集一次数据就能满足整个标定过程,实现两种类型传感器的联合标定.实验结果表明该方法有较好的标定效果.

基于多任务中级特征个性化学习的微表情识别

微表情是一种短暂的面部表情,揭示了一个人试图隐藏的真实情感。对现有的一种多任务中级特征学习方法进行了改进,提出了一种多任务中级特征个性化学习方法用于微表情识别。对于每个低级特征,计算类内k最近邻时,去除同一人的同类微表情;计算类间k最近邻时,保留同一人的不同类表情,并减小k值。采用个性化学习方法,生成具有更多判别信息的中级特征。在微表情数据集CASME2上的实验表明,所提出的方法具有更好的识别性能。

细粒度分层时空特征描述符的微表情识别方法

由于微表情持续时间小于0.5 s、非自愿性和低强度等特点,微表情识别仍然是具有挑战性的任务。对分层时空特征描述符进行改进,提出一种新的细粒度分层时空特征的微表情识别方法。提取微表情视频片段中的各层次时空特征,利用投影矩阵建立时空特征和微表情之间的联系,进而选择对识别任务有贡献的区域。然后统计具有整体最大贡献度的层次,将该层次下选中的区域块和前一层选中的区域块进行交集操作,达到去除分层时空特征的空间冗余性和提升微表情特征区分度的目的。在CASMEⅡ上的实验表明,提出的方法能够细粒度化微表情发生区域,获得了更好的识别结果。

高风险场景下微表情高暴露的可能性实证研究

微表情是一种简短且微妙的面部表情。它可以帮助理解个体的意图和动机,反映真实的心理过程。近年来,微表情的自动化分析发展迅速,但对微表情认知机制的研究实际上仍十分缺乏。通过研究模拟犯罪范式下高低风险场景产生的表情,探讨高低风险场景产生微表情的差异,从而进一步研究微表情行为背后的生成机制。实验结果显示:(1)高风险场景下产生的微表情数量大于低风险场景下的数量。(2)皮肤电活动(EDA)在风险场景(高风险/低风险)和表情类型(微表情/宏表情)下都存在显著差异。(3)EDA在表情类型和风险场景之间存在交互作用。结果表明,相比低压场景,微表情更容易在高压下产生。研究首次为微表情产生机制提供了实证研究。

微表情研究的进展与展望

微表情是人类试图压抑或隐藏真实情感时泄露的非常短暂的、不能自主控制的面部表情。作为识别谎言的有效线索,微表情可应用于安全、司法、临床等领域。本文概述微表情识别的研究情况,包括微表情识别的心理学研究、自动微表情识别研究和微表情数据库的构建要求,以及微表情表达的研究进展,并展望微表情研究的未来发展方向。

情感计算与理解研究发展概述

情感在感知、决策、逻辑推理和社交等一系列智能活动中起到核心作用,是实现人机交互和机器智能的重要元素。近年来,随着多媒体数据爆发式增长及人工智能的快速发展,情感计算与理解引发了广泛关注。情感计算与理解旨在赋予计算机系统识别、理解、表达和适应人的情感的能力来建立和谐人机环境,并使计算机具有更高、更全面的智能。根据输入信号的不同,情感计算与理解包含不同的研究方向。本文全面回顾了多模态情感识别、孤独症情感识别、情感图像内容分析以及面部表情识别等不同情感计算与理解方向在过去几十年的研究进展并对未来的发展趋势进行展望。对于每个研究方向,首先介绍了研究背景、问题定义和研究意义;其次从不同角度分别介绍了国际和国内研究现状,包括情感数据标注、特征提取、学习算法、部分代表性方法的性能比较和分析以及代表性研究团队等;然后对国内外研究进行了系统比较,分析了国内研究的优势和不足;最后讨论了目前研究存在的问题及未来的发展趋势与展望,例如考虑个体情感表达差异问题和用户隐私问题等。