表情识别中的粒子群检测与分割方法

结合粒子群优化算法,提出了一种对人脸进行精确检测与分割的方法,以提高表情识别的准确率。通过肤色分割得到大致的人脸轮廓;通过粒子群优化检测到人脸的精确位置。利用精确的人脸进行PCA降维和特征提取后可进行表情识别。实验结果表明,此方法很好的排除了干扰因素,提高了表情识别的准确率,尤其对于某些单表情效果极佳。     

色彩心理效应浅析

色彩的心理效应主要表现在色彩表情、色彩联想、色彩象征等方面,不同色彩会导致不同的心理效应。通过对这些分析从而更好的把握色彩设计。     

基于C均值K近邻算法的面部表情识别

随着人工智能与模式识别技术的不断发展,面部表情识别在智能人机交互中发挥着越来越重要的作用．通过对人的面部表情分类的研究,提出了一种使用C均值聚类、K近邻算法的面部表情分类方法．对参加训练的表情图像先进行Gabor小波变换,然后使用Fisherface判别分析方法进行变换,求得特征空间．再将已进行Gabor变换的标准表情图像投影到特征空间,进行C均值聚类得到子类表情模板．对于一幅待识别的表情图像,使用K近邻算法与子类表情模板比较,将该表情图像分类．使用该方法,在公开的日本女人表情人脸库上实测达到了95．8％的识别率．     

基于多特征集成分类器的人脸表情识别

提出基于多特征集成分类器的人脸表情识别新算法。新算法首先对预处理后的人脸表情图像通过3种不同的特征提取方法来提取不同类型的表情特征,然后对不同特征构造不同的分类器,最后构造一个基于神经网络的集成分类器模型,对这3个分类器的输出进行决策融合,从而实现人脸表情的最终识别。在JAFFE人脸表情数据库中的试验结果表明,所提算法的识别效果优于单个特征和单一的分类器。     

一种基于AutoCAD矢量字体文件扩充专用字符的方法及其应用

机械图样中存在大量国家标准规定的孔深、沉孔、锥度和粗糙度等专用符号,在AutoCAD绘图环境下无法直接标注带有这些符号的文本或尺寸.针对这个问题,提出了采用修改西文矢量字体文件gbeitc.shx和gbenor.shx,将专用符号作为专用字符扩充到其中的方法,在标注尺寸、注写文字和做相应编辑修改时,专用符号完全可以像普通字符一样输入.为避免记忆专用字符编码,以及提高输入速度,创建了专用字符输入工具栏,实现了机械图样中专用字符的快速标注.     

基于面部表情GEM和稀疏立方矩阵的三维人脸识别方法

针对姿态和表情变化对3D人脸识别影响较大的问题,提出一种基于面部表情通用弹性模型(generic elastic models,GEM)和稀疏立方矩阵的3D人脸识别方法.利用面部表情通用弹性模型构造3D人脸数据库,3D重建模型为所有人脸姿态创建稀疏立方矩阵(sparse cubic matrix,SCM),并利用自动头部姿态估计法获得人脸图像中三元组角度的初始估计值;为每个子集估计的三元组角度选择SCM的阵列;通过稀疏表示从SCM中选择阵列与探针图像.在FERET,CMU PIE和LFW数据库上的实验验证了提出方法的有效性.与几种优秀3D人脸识别方法相比,提出的方法识别率更高,当姿态变化角度较大时尤为明显.此外,对于480×640图像,LFW数据库上,预处理、人脸检测和分类的总平均处理时间仅为89.4 ms.     

基于特征融合的面部表情识别

针对传统Gabor变换在提取表情特征时,冗余较大、特征维数较高的不足,结合ASM自动特征定位技术,提出了一种基于特征点Gabor特征和ASM形状特征相融合的面部表情识别方法. 实验表明,两种特征的融合,可有效地利用特征点的局部纹理信息和脸部器官的整体形状信息,达到了更好的面部表情识别效果.     

基于情感能量模型的表情机器头

首先以心理动力学中的心理能量概念为基础,分析了情感能量以及表示情感状态的相关参数.然后根据情感能量守恒定律,研究了情感能量分配结构的数学表示方法和情感能量分配模型,进一步分析了情绪状态的变化过程,提出了情绪状态刺激转移过程的隐马尔可夫链及其模型算法;利用MATLAB建立相关情感状态变化的仿真研究平台,进一步研究了情感状态的变化规律.最后根据以上情感模型及其变化规律构建出表情机器头的综合研究平台,仿真结果与机器头实验数据的一致,验证了仿真模型的有效性.     

数字时代文字设计的手写传统探新——以汉字为例浅议手写印刷字体训练在现代文字设计课程中的应用

文字设计是对字体及其组合应用的计划与创造性活动。视觉传达设计发展到今天,人们对新艺术形式的探索以及相关的视觉经验,早已从粗放到精细;从对激动人心的创意、五花八门的图形和色彩等冲击力的关注,深入到文字字体内部、字体与其他因素的和谐等基本形式的细腻体会和审视上,从而使作品更具魅力。要使学生深入详实地认识、掌握文字设计,手写印刷字体训练是非常关键的一个环节。本文以汉字为例,对相关的问题展开叙述。     

基于FWT-Projection-BPNN的表情识别

提出了一种基于快速小波变换一投影-BP神经网络(FWT-Project-BPNN)的人脸表情识别方法.该算法首先利用快速小波变换(FWT)对表情图像进行变换,以期在不明显损失图像信息的基础上达到压缩数据量的目的.然后分别对变换后的水平方向与垂直方向的高频数据子图做水平方向与垂直方向投影.将得到的水平与垂直向量组成该表情识别算法的特征向量,最后建立一对一的BP神经网络来进行训练.实验结果表明,该算法能够在一定条件下快速且较准确地识别出悲伤、愤怒、高兴、惊讶、恐惧、厌恶、中性7种通用样本表情.