基于曲面形变的三维人脸样本配准

三维人脸样本是人脸识别、人脸动画等领域进行模型训练、算法设计及性能比较的重要数据平台。为了提高三维人脸样本的配准效果和配准速度,提出一种基于曲面变形的三维人脸样本配准方法。该方法通过对标准化样本实施一系列的变形操作来建立原始样本与标准样本之间的对应关系。然后基于该对应关系对原始样本进行配准处理,在处理过程中使用统计方法对样本上的毛刺点和空洞进行修补。实验结果表明,使用该方法可以快速、有效地对不同格式的原始样本进行配准。

基于微分算子的三维人脸表情识别

基于拉普拉斯微分算子提出了一种用于三维人脸样本的表情识别方法。首先使用曲面变形的方法对三维人脸样本进行样本配准处理。然后基于拉普拉斯微分算子计算三维人脸的表情特征,并根据训练样本的特征向量集构建一个关于三维人脸表情的字典。最后使用稀疏表示方法对三维人脸表情进行识别分析。实验结果表明,该方法能够有效地提高三维人脸表情识别的准确率。

BJUT-3D三维人脸数据库及其处理技术

BJUT-3D是目前国际上最大的中国人的三维人脸数据库,其中包括经过预处理的1200名中国人的三维人脸数据,这一数据资源对于三维人脸识别与建模方面的研究有重要意义.首先介绍了BJUT-3D数据库的数据获取条件、数据形式,并针对数据库建立过程中数据预处理技术进行了讨论.最后作为数据库的直接应用,进行了多姿态人脸识别和人脸姿态估计算法的研究.实验结果证实,该算法具有良好的性能.

融合多通道信息的二维人脸识别

为充分提取人脸图像信息,进一步提高人脸识别效率,提出了一种融合图像多通道信息的二维人脸识别方法.该方法利用Haar小波变换将人脸图像变换到频率域,并获得图像4个频率域的信息;对每个频率域的图像,通过局部二值模式(LBP)进行统计编码,并提出基于HaarLBP直方图序列的人脸图像表征方法;提出2种直方图序列的匹配算法,并通过分析各个频域图像信息对识别的贡献率,进一步融合4通道图像信息进行人脸识别.在ORL和Yale人脸库上的实验结果证明,提出的识别方法对于人脸姿态、表情和光照变化有一定的鲁棒性.

信息茧房之外:跨媒体视角下用户信息接触的多样性研究

算法推荐会导致信息茧房成为一种“共识”,但用户是积极主动的个体,会进行跨媒体接触。尝试分析用户的跨媒体平台接触,是否以及何种程度上会导致信息接收多样化,并分析信息多样化在用户人口因素、信息偏好、媒体平台使用偏好方面的特征。以大学生群体为研究对象,采用日志法追踪用户的多媒介接触行为,并运用词移距离(WMD)测量用户所接触信息之间的语义距离,距离越大,表明所关注信息的相似性越小,接触信息越多样。结果显示,整体上用户关注信息的词移距离处于中等偏低水平,存在弱程度的信息茧房,一定程度上所接收的信息呈现多样化趋势。更进一步,低年级用户、在发达地区读书的用户更可能接触多样化信息。偏好硬新闻的用户,更可能接触多样化信息;相反,偏好正面信息的用户、关注流行信息的用户,更不可能接触多样化信息。偏好使用熟人社交媒体平台的用户、偏好持续而非间歇型媒体使用习惯的用户,越可能接触多样化信息。但用户所接触媒体平台的多样化并不必然带来信息关注的多样化。

基于视频跟踪轨迹的全过程路侧停车行为检测与识别技术

针对路侧停车行为检测与识别问题,结合经典KLT运动角点检测方法与实时压缩跟踪方法,提出一种基于视频跟踪轨迹的全过程停车行为识别技术。首先利用KLT方法检测视频中的运动角点,确定运动车辆位置,再利用压缩跟踪方法,提取视频序列中运动车辆完整的运动轨迹,较为准确地描述路侧停车的动态过程。最后,利用提取的运动特征在真实的路侧停车视频上进行实验验证。实验结果表明,本文提出的停车行为检测与识别方法是可行有效的。

基于重采样的三维人脸样本扩充

为了对现有三维人脸数据库的数据规模和数据覆盖范围进行扩充,提出一种基于样本重采样的三维人脸样本扩充算法.该方法首先根据面部器官的分布规律对人脸样本进行区域划分,并获得关于各个器官的样本集;然后通过从各个器官样本集中选择器官并重组的方式来获取新的三维人脸样本,为了保证新器官之间的无缝融合,提出了基于薄板样条函数(thin-plate-spline,TPS)的几何信息缝合方法和基于微分算子的纹理缝合方法.实验结果表明:本文提出的样本扩充方法能对现有三维人脸数据库进行扩充;扩充后的样本集可以提高算法的效果.

多尺度方法结合卷积神经网络的行为识别

为了同时计算行为序列样本在时间和空间的特征,提出了一种基于包含多尺度卷积算子的卷积神经网络识别模型。首先通过叠加的方式将序列样本中的骨骼向量信息整合为一个行为矩阵,然后将矩阵输入识别模型。为了挖掘具有不同邻接关系的骨骼点在描述人体行为时的作用,将卷积神经网络各层中的卷积算子拓展为多尺度卷积算子,并使用该网络得到的特征进行分类。实验在MSR-Action3D数据集和HDM05数据集获得较好的识别率。

人工影响天气防灾减灾作业虚拟仿真技术研究

针对人工影响天气防灾减灾作业培训场景构建困难的问题,提出了基于虚拟仿真技术的培训方式,并设计出了一套人工影响天气防灾减灾作业虚拟实训平台。该平台可以对装备操作、天气变化,设备故障等问题进行高仿真度复现,从而为高效低成本的人工影响天气作业培训提供有效的技术支持。本文对该平台的功能、架构以及开发流程中所涉及的关键技术进行了介绍。实践结果表明,该平台对于提高人工影响天气防灾减灾作业效果具有极高的推动作用。

多尺度密集网络在红外和可见光图像融合应用

为了进一步提升红外和可见光图像的融合效果,提出了一种基于多尺度卷积算子和密集连接网络的图像融合模型.该模型首先使用多尺度卷积算子计算图像的直接多尺度特征,然后使用密集连接网络计算图像的间接多尺度特征.为了得到图像像素信息在不同尺度下的融合权重,通过叠加的方式将各个尺度密集连接网络的输出进行融合,并使用活动图方法计算两类图像的融合权重,最后根据权重计算结果得到融合图像,实验在THO数据集和CMA数据集获得较好的识别率.

融合混合式教学和任务驱动教学法的课程模式建设

混合式教学和任务驱动教学法在知识补充和兴趣引导方面有重要作用。针对二者的结合问题进行深入研究,并以三维动画设计课程为例,探讨任务设置的模式和课程混合的构建方式,提出一种融合混合式教学和任务驱动教学模式,并通过实践验证学习的成果。

基于深度学习技术分析网络评论情感倾向——以中医认同度为例

网络平台已经成为民众发表观点、意见的主阵地,如何及时有效的对网络舆情文本进行判断和分析是提高网络舆情之力水平的重要问题。文章以深度学习技术为基础,通过长短时记忆网络模型对于输入的舆情文本进行情感倾向分析,并得出情感倾向结果,从而实现对网络舆情情感模式变化的把握。文章以民众对中医的情感认同度为目标,应用深度学习方法进行情感分析和研判,并得相应的结论和判断。

基于机器学习的网络舆情分析

在网络数据爆炸式增长的今天,使用机器学习技术进行数据分析和数据处理是当前研究和应用的重点关注领域。文章针对网络舆情分析问题,介绍使用机器学习分析网络舆情的方法和改进方式。通过计算文本中情感词的情感权重,提高机器学习模型的分析效率和分析准度。通过对酒店评论数据的验证,证明了文章提出的改进方法的有效性,进一步分析了机器学习方法的改进方向。

基于微信公众平台的视频答疑平台开发与应用

公众平台是微信支持特定用户为普通用户提供信息服务的工具,基于微信公众号的信息传播和发布已经成为一种流行的信息发布模式。开发基于微信公众号的视频答疑平台能够最大限度的提高平台的适用性。但是微信公众平台对上传的视频大小有限制,不便于老师对知识点进行完整的解释。为了解决这个问题,设计了一种微信公众平台和专用视频服务器相结合的视频答疑模式。这种服务模式一方面可以保证系统使用的便利性,另一方面也可以提高视频的稳定性。通过在本科生教学中推广该视频答疑平台的效果,可以看出该答疑模式得到了广大师生的认可和肯定。

网络舆论中隐性词汇的情感意涵研究

网络舆论研究大多关注显性情感,对隐性情感的分析较为缺乏。本研究使用加权词向量方法和双向长短时记忆网络(Bi-LSTM)方法进行情感多分类研究,进一步挖掘网络舆论中隐性词汇的情感意涵。研究首先以词频-逆文档频率(TF-IDF)理论思想为基础计算词向量的情感权重,然后对词向量进行情感加权,并将加权后的词向量输入Bi-LSTM模型进行特征计算,最后使用Softmax函数完成情感的多分类预测。同时通过回溯的方式,对情感权重值较高的代表性词汇(隐性词汇)进行情感意涵分析。结果表明,该方法不仅能够有效提升多类情感判别的准确率,还可以通过这些代表性词汇加深对隐性词汇中情感意涵的认识和把握,这对于我国这一具有自我审查文化传统的社会及其舆论的把握具有重要意义。

局部离群因子算法(LOF)在异常检测中的应用研究

CDN网络架构中,CDN节点的选取是解决网络负载过重和网络拥堵的关键所在,节点的异常检测尤为重要。本文提出了采用基于相似度衡量模型的异常值检测算法-局部离群因子(LOF)算法,该算法根据节点参数较准确地检测出异常节点,从而避免了用户对异常节点的访问。