基于均衡离散曲率波变换的手背静脉识别

针对滤波器尺度和方向的增加对识别速度影响较大的问题,提出了基于均衡离散曲率波变换(UDCT)的手背静脉识别方法。在进行手背静脉图像感兴趣区域提取和预处理的前提下,引用了均衡离散曲率波变换对感兴趣区域进行去滤波变换,然后对变换系数进行相位编码,计算编码统计直方图的卡方距离来进行静脉识别。实验结果表明,该方法在低质量的手背静脉图像情况下依然能得到较好的识别效果和较快的识别速度。

基于级联深度神经网络的抑郁症识别

抑郁症是最常见的心理障碍之一,严重困扰患者的工作和生活。随着情感感知技术的发展,开发抑郁症自动识别系统具有广阔的前景。基于视频人脸图像,结合级联深度神经网络和多特征(全局特征和局部特征)对抑郁症BDI-II分值进行预测。设计全局特征网络、局部特征网络(眼部,嘴部)三个分支,利用FaceNet网络和深度神经网络提取全局特征,利用基于四元数的局部二进制编码和深度神经网络提取局部特征。在融合层将全局特征向量和局部特征向量拼接,接入第三个深度神经网络对抑郁程度进行预测。在AVEC2013和AVEC2014抑郁症数据库上进行测试,实验结果表明,与其他基于视觉的方法相比,该方法取得了更小的平均绝对误差和均方根误差。