【摘 要】
：
头部行为是个体行为的重要组成部分，在课堂环境下对于学生的行为来说更是如此。使用传统的RGB视频图像进行头部行为识别有着许多限制，例如背景的干扰和光线的变化等，而深度图像可以通过包含的深度信息很好的处理这些问题。针对课堂环境下的头部行为识别问题，受到李群理论的启发，提出了一种从深度图像中提取李群特征表示的模型，并且使用该李群特征完成了头部行为识别任务。首先，从深度图像中获取脸部的关键点及关键段信息，
论文部分内容阅读
头部行为是个体行为的重要组成部分，在课堂环境下对于学生的行为来说更是如此。使用传统的RGB视频图像进行头部行为识别有着许多限制，例如背景的干扰和光线的变化等，而深度图像可以通过包含的深度信息很好的处理这些问题。针对课堂环境下的头部行为识别问题，受到李群理论的启发，提出了一种从深度图像中提取李群特征表示的模型，并且使用该李群特征完成了头部行为识别任务。首先，从深度图像中获取脸部的关键点及关键段信息，然后通过计算相邻帧之间关键段的旋转及位移获得能够同时表示时间空间信息的李群特征表示，最后使用支持向量机来
其他文献
黑盒对抗样本生成过程中通常会指定一个攻击组，包括一个原始样本和一个目标样本，使得生成的对抗样本与原始样本差别不大，但其分类与目标样本一致。针对攻击组的攻击难度不同导致的攻击不稳定的问题，以图像识别领域为例，首先设计了基于决策边界长度的攻击距离度量方法，为攻击组的攻击难易程度提供了度量方法。并在此基础上设计了基于攻击距离的对抗样本攻击组筛选方法，在攻击开始前就筛去难以攻击的攻击组，从而实现在不修改攻
在耦合CLM4.5的区域气候模式RegCM4.7中分别应用原始土壤水热参数化方案与改进后的砾石参数化方案在青藏高原西部、中部与东南部区域进行模拟，并根据砾石分布特征在每个区域选取单点分析了两种方案模拟结果存在差异的原因。在此基础上利用中国陆面融合再分析数据（CRA-40）检验了砾石参数化方案在高原不同区域对于土壤含水量的模拟效果。结果表明：在应用砾石参数化方案的RegCM4.7模式中：地表水分输入
针对实际选煤生产中，原煤自身干湿状况以及受潮湿、雨淋、喷淋、冲洗等影响，导致煤和矸石表面含水量不同，煤矸图像特征变化大的问题，通过试验法研究了不同外在水分下煤和矸石图像灰度和纹理特征参数的变化规律。设计试验方案并搭建图像采集系统，分别建立煤、矸石外在水分由饱和至干燥7种不同状态下的图像样本库。选取干燥状态下煤矸图像特征差异较大的9种特征参数，提取各参数在不同外在含水率下的值分析得出，含水率较低时，
飞秒激光在微加工过程中衍生等离子体的亮度特征可作为实时反馈的测量信号，故研究光斑亮度特征并构造细节信息丰富的高质量亮度变化曲线异常重要。首先，针对光斑图像信噪比低，目标区域边缘模糊的情况，采用改进小波阈值去噪法对光斑图像进行滤波处理，在不改变光斑亮度水平的情况下，得到边缘对比度较高的平滑光斑。其次，采用K均值聚类方法分割光斑图像，将表现为噪声的光晕部分分割出去，只保留亮度有效区域。再次，提取光斑序
以黄河口潮间带芦苇湿地为研究对象，在夏、秋和春季分别采集0～10 cm、10～20cm、20～30 cm和30～50 cm的土壤样品，研究黄河口潮间带芦苇湿地土壤生源要素总氮（TN）、总磷（TP）、总硫（TS）和总钾（TK）含量及储量的时空动态变化特征及其影响因素。结果表明：研究区0～50cm土壤剖面中TN和TS含量变化范围分别为68.19～421.29mg·kg~(-1)和356.15～935.
为了解决在压敏电阻表面缺陷检测中缺陷样本采集困难以及检测精度差的问题，提出了一种采用深度卷积变分自编码器(Deep Convolutional Variational AutoEncoder，DCVAE)的无监督表面缺陷检测方法，用于压敏电阻表面缺陷的检测。预处理阶段利用去背景、规范化以及图像差分技术对原始图像进行处理，精准提取出了差分图像，消除了无关数据特征对算法的影响。为了提升缺陷检测的精度，
针对小样本数据集条件下深度学习算法的方案图像智能决策限制的问题，提出了一种基于胶囊网络的产品形态设计决策模型。应用人工智能方法搭建基于产品形态语义的多视角图像数据集，并将数据集图像进行预处理和特征提取。再利用卷积层学习得到图像特征，将不同卷积层中的若干特征划分为一组，生成具有丰富语义特征的主胶囊。利用动态路由算法获取一组数字胶囊，完成整个胶囊网络模型。最后，通过对数据集的训练提高模型识别性能，从而
短焦深空间光学系统受发射和工作环境的影响,易出现随机的离焦误差,导致成像质量严重下降。针对传统的寻焦方法速度慢、抗噪声干扰能力差的问题,提出一种可用于遥感图像的离焦深度探测法。该方法在仅通过不同位置获取两幅离焦图像的基础上,通过卷积、反卷积变换,能够较为准确地估计系统的离焦量。在无噪声和具有11.5d B随机噪声两种情况下,17倍焦深范围内,估计离焦量的误差均值分别优于7%和10%,可以使成像探测
由于复杂背景环境和病斑相似性的影响，苹果叶部病害特征间存在细微的类间差异以及较大的类内差距，给苹果叶部病害识别造成极大困难。针对以上问题，提出了一种新型双分支网络的苹果叶部病害识别方法（dual branch network， DBNet）。DBNet的双分支网络结构由多尺度联合分支以及多维度注意力分支构成。首先多尺度联合分支通过不同类型卷积核和跨层连接融合不同尺度层级间的病害特征，用于缓解复杂背
针对于当前微表情自动识别准确率较低和微表情样本数量不足的问题，提出一种结合迁移学习技术与可分离三维卷积神经网络(S3D CNN)的微表情识别方法。首先通过光流法提取宏表情和微表情视频样本的光流特征帧序列；然后利用宏表情样本的光流特征帧序列对S3D CNN进行预训练；最后利用微表情样本的光流特征帧序列微调模型参数。提出的方法采用的S3D CNN由二维空域卷积层加一维时域卷积层组成的可分离三维卷积层构