脑中奥秘知多少

就人的身体而言，脑子是蕴藏秘密最多的地方，堪称问号的“富矿”，因而也就成为了科学家们竞相探求的热点。     

基于 Mahalanobis距离进行人脸表情的识别

提出了利用Mahalanobis距离进行人脸表情识别的方法.首先将待分类的图像样本集进行坐标变换,使得变换以后类间离散度尽可能大而类内离散度尽可能小,即使变换以后的Fisher准则函数取得极大值,在新的坐标下求每个待分类样本到各类均值向量的Mahalanobis距离,从而将待分类的样本归到Mahalanobis距离最小的类中去,通过实验得到了平均80.25%的识别率.     

未来计算机“懂你”

也许有那么一天,计算机能够读懂你的表情。譬如:当一位老人在自动取款机屏幕前眯着眼辨认字体时,字体尺寸立刻加倍;当一名妇女对着购物中心的旅游广告微笑时,设备就会自动打印出一张旅游折扣表给她;当一位企业主管正为某问题紧皱眉头时,面前的电脑屏幕上立时现出逗人开心的图像和语言。这些并不是幻想,一切都会实现的。也许用不了多久,你的家庭中就会出现这样一个新成员。现在许多研究机构都看好表情机器识别技术,相信此技术具有很大的科研价值和商业价值。为了实现这一美好愿望,世界各国的科研人员和此产业连带的相关人员正在加紧各项研究…     

东张西望的孩子更聪明

受到激怒的父母常会告诉孩子：“跟你说话时，两眼看着我!”如今心理学家通过对小家伙处理复杂信息过程的研究后发现，这些家长对孩子说的话应该反过来：“跟你说话时，别看着我!”     

一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法

针对LBP算法在提取全局特征时不具有针对性的缺点,提出一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法。该算法引入Harris得到表情图像的角点,同时运用SIFT检测算法得到图像的局部最大最小值,通过Harris算法对SIFT特征点进行过滤,得到表情图像的准确感兴趣点;设计特征点最大区域选取法和特征点周围邻域选取法,将选取的区域作为LBP特征提取的输入图像;运用SVM多分类器得到每种表情的识别率。实验表明,该算法能更有效地提取表情特征,达到较好的识别效果。     

隐喻型术语的修辞特征研究 ——以经济学英文术语为例

无论是术语命名、术语整理还是术语规范都离不开术语分类,术语的分类研究有助于分析和描述某一类术语的共性特征,昭示其特殊性,使相关研究更具针对性和应用性。基于这一认识,文章以经济学英文术语为例,从结构形式、构词能力以及表情色彩等三方面来描述隐喻型术语这一特殊类别术语的修辞特征,并探讨这些修辞特征对此类术语认知与交际的意义。     

你愿意与机器人结婚吗未来它将拥有人类思维

北京时间2月16日消息,有人担忧如果人工智能发展过于迅速,机器人会崛起并从人类手中接管地球,但另一方面,有些人可能会觉得与机器人结婚也是不错的选择。据英国《每日邮报》报道,一位权威计算机学家预测,随着机器人越来越变得与人类相似,未来的人可能会开始寻找机器人作为伴侣。他的预测与热门英剧《真实的人类》(Humans)的情节不谋而合。在这部电视剧中,人类与帮助     

自动获取控制点的人脸表情变形

 提出了一种自动获取控制点的人脸表情变形方法,该方法首先通过主动形状模型(Active Shape Model,ASM)算法自动提取人脸特征点,亦即控制点,然后使用基于控制点的Morphing技术,使一张中性状态的人脸平滑地过渡到有表情的人脸.     

NMF在人脸表情识别中的应用

文章将NMF分解用于提取人脸表情子空间特征,并进行人脸表情识别。将人脸图像在特征脸空间上投影,得到的投影系数作为识别人脸表情的特征向量,采用K近邻分类器进行人脸表情识别。