期刊导航
期刊开放获取
河南省图书馆
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
2
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
双模态融合特征下的说话人识别
1
作者
谢娅利
庞炜千
+3 位作者
白静
薛珮芸
赵建星
师晨康
《计算机工程与设计》
北大核心
2023年第8期2454-2458,共5页
为提高说话人识别的准确率,提出一种双模态融合特征的算法。提取韵律特征和伽玛通滤波倒谱系数两种声学特征,计算其统计特性;提取舌、唇和下颌分别相对于鼻梁的发音动作参数,获得参考点发音动作特征;将声学特征和参考点发音动作特征进...
为提高说话人识别的准确率,提出一种双模态融合特征的算法。提取韵律特征和伽玛通滤波倒谱系数两种声学特征,计算其统计特性;提取舌、唇和下颌分别相对于鼻梁的发音动作参数,获得参考点发音动作特征;将声学特征和参考点发音动作特征进行融合,对其进行嵌入式特征选择,获得双模态融合特征;通过支持向量机、高斯混合模型-支持向量机进行分类。实验结果表明,参考点发音动作特征识别效果优于传统发音动作特征识别效果,双模态融合特征识别率明显高于单模态特征的识别率,验证了所提方法的有效性。
展开更多
关键词
韵律特征
伽玛通滤波倒谱系数
发音动作特征
特征融合
特征选择
高斯混合模型-支持向量机
说话人识别
下载PDF
职称材料
双通道决策信息融合下的微表情识别
被引量:
2
2
作者
戎如意
薛珮芸
+2 位作者
白静
贾海蓉
谢娅利
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2022年第4期127-133,共7页
微表情作为揭示潜在情绪的一个重要通道,是一种无意识的、不受大脑控制的非语言面部信息,能够反映人们最真实的心理感受和心理状态。但是,微表情存在动作幅度小且快速出现、不易被捕捉等特性,使得单一模态的微表情识别准确率难以提升。...
微表情作为揭示潜在情绪的一个重要通道,是一种无意识的、不受大脑控制的非语言面部信息,能够反映人们最真实的心理感受和心理状态。但是,微表情存在动作幅度小且快速出现、不易被捕捉等特性,使得单一模态的微表情识别准确率难以提升。针对上述问题,提出一种微表情面部颜色特征提取算法,并将其提取的特征与微表情纹理特征进行决策融合,从而构成微表情双模态情感识别模型。该模型首先通过均匀动态纹理识别方法从经过预处理的微表情数据中提取相应的纹理特征;其次计算微表情两帧序列图片的每一个像素点之间的Lab色差,由此获得面部的颜色特征,并对其进行嵌入式特征选择以剔除冗余的特征;然后分别训练两种模态的分类器,并将两种模态训练得到的分类信息进行决策融合;最后得到微表情情绪分类结果。模型在微表情数据集CAMSEⅡ和SMIC上进行了实验。实验结果表明,微表情的纹理单模态和面部颜色单模态的平均识别准确率约为64.73%、51.64%和63.58%、50.48%,而决策融合后微表情情绪的识别结果约为68.11%和66.43%,高于融合前微表情的识别准确率,说明文中提出的微表情双模态情感识别模型明显提高了微表情的识别能力。
展开更多
关键词
面部颜色特征
纹理特征
欧拉视频放大
特征选择
决策融合
下载PDF
职称材料
题名
双模态融合特征下的说话人识别
1
作者
谢娅利
庞炜千
白静
薛珮芸
赵建星
师晨康
机构
太原理工大学信息与计算机学院
出处
《计算机工程与设计》
北大核心
2023年第8期2454-2458,共5页
基金
山西省应用基础研究计划基金项目(201901D111094)
山西省留学回国人员科技活动择优基金项目(20200017)
山西省应用基础研究计划基金项目(青年基金20210302124544)。
文摘
为提高说话人识别的准确率,提出一种双模态融合特征的算法。提取韵律特征和伽玛通滤波倒谱系数两种声学特征,计算其统计特性;提取舌、唇和下颌分别相对于鼻梁的发音动作参数,获得参考点发音动作特征;将声学特征和参考点发音动作特征进行融合,对其进行嵌入式特征选择,获得双模态融合特征;通过支持向量机、高斯混合模型-支持向量机进行分类。实验结果表明,参考点发音动作特征识别效果优于传统发音动作特征识别效果,双模态融合特征识别率明显高于单模态特征的识别率,验证了所提方法的有效性。
关键词
韵律特征
伽玛通滤波倒谱系数
发音动作特征
特征融合
特征选择
高斯混合模型-支持向量机
说话人识别
Keywords
prosodic features
Gammatone filter cepstral coefficient
articulatory movement features
feature fusion
feature selection
Gaussian mixture model-support vector machine
speaker recognition
分类号
TN912.34 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
双通道决策信息融合下的微表情识别
被引量:
2
2
作者
戎如意
薛珮芸
白静
贾海蓉
谢娅利
机构
太原理工大学信息与计算机学院
出处
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2022年第4期127-133,共7页
基金
山西省应用基础研究计划(201901D111094)
山西省留学回国人员科技活动择优资助项目(20200017)
山西省基础研究计划(20210302123186)。
文摘
微表情作为揭示潜在情绪的一个重要通道,是一种无意识的、不受大脑控制的非语言面部信息,能够反映人们最真实的心理感受和心理状态。但是,微表情存在动作幅度小且快速出现、不易被捕捉等特性,使得单一模态的微表情识别准确率难以提升。针对上述问题,提出一种微表情面部颜色特征提取算法,并将其提取的特征与微表情纹理特征进行决策融合,从而构成微表情双模态情感识别模型。该模型首先通过均匀动态纹理识别方法从经过预处理的微表情数据中提取相应的纹理特征;其次计算微表情两帧序列图片的每一个像素点之间的Lab色差,由此获得面部的颜色特征,并对其进行嵌入式特征选择以剔除冗余的特征;然后分别训练两种模态的分类器,并将两种模态训练得到的分类信息进行决策融合;最后得到微表情情绪分类结果。模型在微表情数据集CAMSEⅡ和SMIC上进行了实验。实验结果表明,微表情的纹理单模态和面部颜色单模态的平均识别准确率约为64.73%、51.64%和63.58%、50.48%,而决策融合后微表情情绪的识别结果约为68.11%和66.43%,高于融合前微表情的识别准确率,说明文中提出的微表情双模态情感识别模型明显提高了微表情的识别能力。
关键词
面部颜色特征
纹理特征
欧拉视频放大
特征选择
决策融合
Keywords
facial color feature
texture features
euler video amplification
feature selection
decision fusion
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
双模态融合特征下的说话人识别
谢娅利
庞炜千
白静
薛珮芸
赵建星
师晨康
《计算机工程与设计》
北大核心
2023
0
下载PDF
职称材料
2
双通道决策信息融合下的微表情识别
戎如意
薛珮芸
白静
贾海蓉
谢娅利
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2022
2
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