嘴部_参考网

基于Dlib的面部疲劳检测模型

分别对眼部特征、嘴部特征和头部姿态进行计算,并将结果实时发送给状态预测器。状态预测器的任务是对疲劳状态进行判定,不依赖于单一参数,而是结合眼部、嘴部和头部姿态进行综合度量。例如,人在打瞌睡时,除了会闭眼,头部也会下垂;打哈欠时,除了嘴部的张开角度比说话时大,还会出现闭眼的情况。图1 面部疲劳状态检测模型框架Fig.1 Framework of facial fatigue state detection modelDlib库提供了dlib.get_forn

软件工程 2023年12期2023-12-06

基于面部多特征融合的疲劳驾驶检测综述

，主要通过眼部、嘴部和头部姿态进行分析。轻微疲劳的特征体现为眨眼次数增多、间歇式打哈欠等；中度疲劳的特征体现为频繁眨眼且经常性揉眼睛、经常性点头、头部有轻微昏沉等；重度疲劳的特征体现为眼睛干涩且闭合时间较长、频繁打哈欠、反应迟钝或无法集中注意力等。疲劳驾驶判别所需的具体特征行为如图1 所示。图1 疲劳驾驶判别所需的面部特征Fig.1 Facial features required for fatigue driving discrimination1.3

计算机工程 2023年11期2023-11-18

基于人脸识别的工程机械作业人员疲劳检测系统研究

对神经网络提取的嘴部状态特征进行了分类，判断是否在打哈欠状态。以上3 种方法只是提取了嘴部的状态特征，特征太单一，准确率不够。因此，设计了一个能检测操作人员的疲劳检测系统，该检测系统利用眼部和嘴部的特征来判断操作人员是否疲劳，相比较上述几人提取的单一特征方法，本检测系统的实时性、定位快和准确率要高一些。利用工程机械上安装的摄像头采集到作业人员的人脸数据信息，通过运用Opencv 人脸识别工具对采集的面部图像进行灰度化处理，利用Dlib 库标定人脸的68 个

装备制造技术 2023年5期2023-07-26

基于Dlib和变种Transformer的哈欠检测方法

脸对齐，通过检测嘴部区域的快速温度变化判断驾驶员的打哈欠行为，但未考虑大幅度张嘴呼吸以及咳嗽等特殊情况。史瑞鹏等人[5]提出了一种基于多任务卷积神经网络（Multi-Task Convolutional Neural Network，MTCNN）的加速优化算法，对图像中驾驶员是否存在张嘴行为进行分类，以嘴部持续张开时间作为评判驾驶员是否打哈欠的标准，但此类方法分类标准无法准确度量，无法确定嘴部持续张开时间阈值，只能根据经验给出，无法达到最优效果。王超等[6

汽车技术 2023年3期2023-03-25

人体关键点检测及教学应用之人脸表情识别

关键点及放大后的嘴部特征点，其中上下嘴唇中间特征点标号分别是13、14。图1 MediaPipe识别的脸部关键点及嘴部放大图首先从嘴部坐标识别入手，了解脸部关键点检测过程，并借助上下嘴唇中间关键点坐标距离做一个控制舵机的程序，控制对应的开源机器人模仿人开口说话；然后通过OpenMMlab开发的MMEdu工具，体验基于MMEdu实现的表情识别，了解表情识别的流程；接着介绍苹果系统如何通过unity插件，把采集到的人脸关键点信息投射到数字人脸部，让数字人拥有人

中国信息技术教育 2023年1期2023-01-30

小号演奏中嘴部压力与气息压力的协调

握不到位、吹奏时嘴部压力与气息压力协调性不足、难以灵活娴熟使用小号吹奏唇震及气息控制技巧的问题，在高音区吹奏时音色尖锐刺耳，在中低音区吹奏时音色断断续续，严重影响受众的审美享受与欣赏体验。实际上，小号演奏中嘴唇与气息具有相辅相成、相互约束的关系，有必要深入认识气息与嘴唇压力协调的重要性，灵活运用气息参与、音高调节、音色调整及唇部肌肉震动等技巧以完美诠释小号作品，进一步推动小号演奏朝向规范化、高质量发展。一、小号演奏中嘴部压力与气息压力协调的重要性小号演奏中

戏剧之家 2022年10期2022-11-13

浅析小号演奏中的唇震

奏者的身体条件、嘴部肌肉控制能力、唇震技巧有极高要求。在小号演奏技巧不断创新的今天，小号演奏者更加看重基本功的训练，在唇震技巧训练中，不能仅看重嘴唇肌肉活动，更要注重与气息连贯、声音质量、演奏音准等方面的结合，以确保良好的演奏效果。（三）唇震技巧训练是小号演奏艺术的长期训练内容小号乐器唇部震动训练需要做到气息连贯、音准正确，是一项长期的训练任务，演奏者需充分震动唇部肌肉，呈现多样的音色及音量。有时候，演奏者在小号演奏过程中需要补充额外力量，从而造成气息丢失

戏剧之家 2022年24期2022-10-31

基于Adaboost和LBP算法的实时疲劳驾驶预警算法

的自动识别面部和嘴部方法。通过使用多尺度形态学进行面部和嘴部的特征提取。该方法利用运动信息对人脸区域进行定位，并通过对人脸区域的处理确定眼睛的位置。根据以上基于人脸识别方法的描述，将人脸识别技术应用于驾驶员疲劳驾驶检测的方法应运而生。2015年，Zhang等[5]根据经验知识采用快速鲁棒性面部检测算法来描述和规范化面部表情图像，基于局部特征，对面部采用局部二进制模式算子(Local Binary Pattern, LBP)方式表示，并且发现LBP功能在疲劳

微型电脑应用 2022年5期2022-07-12

人爱吃零食的原因

人放松。当食物与嘴部皮肤接触时，一方面它能够通过皮肤神经将感觉信息传递到大脑中枢而产生一种慰藉，使人通过与外界物体的接触而消除内心的孤独;另一方面，当嘴部接觸食物并做咀嚼和吞咽运动的时候，可以使人对紧张和焦虑的注意中心转移，在大脑的摄食中枢产生另外一个兴奋区，最终使身心得以放松。吃零食能补充大脑营养。工作、学习了好几个小时后，大脑需要补充营养，而这时小零食就起作用了。有些零食含丰富的营养素，糖分和脂肪相对较低，是日常理想的零食。适当吃零食并不算一件坏事，不

祝您健康·文摘版 2022年7期2022-07-07

基于人体关键点和YOLOv4的吸烟行为检测

的过程中，手部到嘴部的距离是有节奏、有规律的，一段时间内的这种过程可以认定为一个吸烟周期，将人体吸烟行为检测转化为基于深度学习的人体姿态估计问题来解决。刘婧等利用人体关节点信息，关注关节点的运动轨迹，检测运动轨迹是否符合周期性规律进行吸烟动作识别[6]。由于吸烟行为和其他行为(如吃饭、打电话)存在一定的相似性，因此当图像中的手部动作不清晰或不完整时，很难准确地检测出吸烟行为。也有一些学者将吸烟行为检测转化为基于深度学习的烟头目标检测问题来解决。其中，一类方

陕西师范大学学报（自然科学版） 2022年3期2022-06-07

基于多特征融合的疲劳驾驶状态识别方法研究

括眼部疲劳信息、嘴部疲劳信息和头部疲劳信息，识别方法可分为单一特征疲劳信息识别和多特征疲劳信息识别，而单一特征疲劳信息识别的准确率有待提高［6］.本文主要根据多特征疲劳信息来进行疲劳驾驶状态识别.首先，基于SVM的睁闭眼状态识别算法判断眼部疲劳状态，然后通过嘴部高宽比和点头频率判断嘴部和头部疲劳状态，最后融合多特征进行疲劳驾驶状态识别.1 眼部疲劳状态判断1.1 人眼定位使用由Kazemi 和Sullivan 提出的基于级联回归树的人脸关键点定位算法进行人

湖南大学学报（自然科学版） 2022年4期2022-05-06

浅析小号演奏中的唇振

。演奏者的身体、嘴部肌肉、心态等都处于紧张状态，这就会对振动情况造成影响，甚至无法保证演奏节奏的持续性。在小号演奏技巧不断创新的今天，更加看重对小号演奏者基本功夫的训练，在唇振技巧训练中，不能仅看重嘴唇肌肉活动，更要注重与气息连贯、声音质量、演奏音准等方面的结合，以确保呈现出良好的演奏效果。小号乐器唇部振动训练需要做到气息连贯、音准正确，是一项长期的训练任务，演奏者需要充分振动唇部，从而呈现出多样的音色及音量。很多时候演奏者在小号演奏过程中，需要补充额外的

戏剧之家 2022年7期2022-03-10

利用Kalman滤波和Hungarian算法的多目标奶牛嘴部跟踪及反刍监测

算法的多目标奶牛嘴部跟踪及反刍监测毛燕茹1,2,3，牛 童1,2，王 鹏1,3，宋怀波1,2,3，何东健1,2,3※（1. 西北农林科技大学机械与电子工程学院，杨凌 712100；2. 农业农村部农业物联网重点实验室，杨凌 712100；3. 陕西省农业信息感知与智能服务重点实验室，杨凌 712100）针对奶牛养殖场复杂环境下多目标奶牛嘴部自动跟踪及反刍监测困难的情况，该研究提出了一种基于嘴部区域跟踪的多目标奶牛反刍行为智能监测方法。在YOLOv4模型识别

农业工程学报 2021年19期2021-12-28

基于视觉检测的语音导航抗干扰系统

视觉信息检测司机嘴部说话状态，进而控制语音导航的控制权限可以有效减少乘客语音和外部环境的干扰。现有方法通过相位空间分析嘴部区域整体像素值的变化特性来判断嘴部说话状态［8］。该方法可有效地减少光照对于像素值变化的影响。然而，该方法无法消除因为头部移动引起的像素值变化，导致说话状态的误判。同时，对闭嘴音的说话状态效果欠佳。针对上述问题，本文设计开发一种基于视觉检测的自适应语音导航抗干扰系统。系统由司机正面设置的摄像头对脸部的主要特征点进行检测。通过判定面部方向

现代计算机 2021年28期2021-12-02

基于MTCNN的多特征融合学生疲劳检测算法研究

方式精确提取眼、嘴部特征区域，用神经网络对特征区域的图像分类；最后，将眼部PERCLOS值与嘴部MAR值相结合，实现疲劳检测，并在实际教室环境中取得了理想的效果。1 算法原理本文提出的疲劳检测算法的总体流程如图1所示。图1 疲劳检测流程1.1 人脸检测及关键点定位疲劳检测过程中，第一点便是要对学生的面部进行准确的检测和关键点的定位。由于人的面部容易受到光照、发型、佩戴眼镜的影响，在这些复杂的环境下，使用传统卷积神经网络检测效果较差。因此，本文采用多任务级联

智能计算机与应用 2021年9期2021-11-12

基于面部特征融合的驾驶员疲劳检测

疲劳分析，眼部和嘴部包含丰富的信息，且不易受外界干扰和人为因素影响。 Ursulescu等人［4］使用眨眼检测来检测眼睛所表征的睡意，并测量每一次连续眨眼之间的持续时间。在Bhone 的工作中［5］，通过计算每帧图像眼睛的纵横比（EAR）判断眼睛状态，如果低于阈值，则表明眼睛处于闭合状态。文献［6］提出一种两级神经网络的检测方法。该算法通过训练第一级网络对人眼和非人眼进行分类，用第二级网络检测眼睛特征点的位置，根据特征点来计算眼睛张开程度，用PERC

智能计算机与应用 2021年10期2021-02-25

圆号教学中嘴部教学的重要性及训练方法研究

多技巧的教学中，嘴部技巧的教学是最容易被忽视的环节。而学生也会因为某些技巧的欠缺而产生各种问题。造成这一现象的原因是因为嘴部技巧分类过细且过于繁多，教师在教学中往往会顾此失彼，如何将嘴部的相关技巧更全面的教授与学生，组织扎实的专项训练是关键所在。一、我国圆号教学的现状分析圆号作为泛音乐器自传入我国以来便难以得到音乐学习者的青睐，其原因则是因为圆号高难度的演奏技巧而导致的，很多圆号的爱好者也会因为学习周期过长、难以掌握音准、无法吹奏出理想的音色等原因渐渐失去

黄河之声 2020年19期2020-12-07

基于面部信息的挖掘机驾驶员疲劳特征提取

文提出一种眼部和嘴部信息的疲劳特征提取的方法,并设置阈值,将检测到的特征数据与阈值比较，判断是否睁眼或打哈欠。1 人脸区域定位1.1 图像采集实验图像采集实验在三一SY235C-8S型挖掘机上进行,通过摄像头Microsoft Kinect 2.0(分辨率为1 920×1 080像素,30帧/s)采集人脸图像。将采集到的图像传送到笔记本电脑进行处理,采用的电脑CPU配置为Intel(R)Core(TM)I7-8565U。实验基于Visual C++6.0平

合肥工业大学学报（自然科学版） 2020年10期2020-11-04

人爱吃零食的原因

人放松。当食物与嘴部皮肤接触时，一方面它能够通过皮肤神经将感觉信息传递到大脑中枢而产生一种慰藉，使人通过与外界物体的接触而消除内心的孤独;另一方面，当嘴部接触食物并做咀嚼和吞咽运动的时候，可以使人转移对紧张和焦虑的注意，在大脑的摄食中枢产生另外一个兴奋区，使紧张兴奋情绪得到抑制，最终使身心得以放松。吃零食能补充大脑营养。工作、学习七八个小时后，大脑需要补充营养，而这时小零食就可以起到作用了。有些零食含丰富的营养素，糖分和脂肪相对较低，是日常理想的零食。适当

妇女生活 2020年9期2020-09-21

信息类型和位置对儿童不同时期面孔加工的作用 *

儿童相比，青少年嘴部加工能力显著提高（Ge et al.,2008），13 和14 岁的青少年也比8 岁和9 岁儿童嘴部加工的表现更好（Liu et al., 2013）。因此，面孔加工发展中，个体优先加工面孔上半部，但随年龄增长，下半部加工水平也逐渐提高。三是信息类型（特征和结构）和加工位置（眼部和嘴部）共同影响面孔加工发展的观点（Tanaka et al., 2014）。Wang 等（2015）对成年个体加工本异族面孔时面孔信息类型和位置的作用进行了讨

心理与行为研究 2020年6期2020-02-03

基于改进Faster R-CNN的嘴部检测方法①

 200093)嘴部识别对于机器人视觉交互具有重要的研究价值.给定任意一张人脸图像,检测并确定嘴的位置,在机器人控制交互式检测系统尤为重要.实际场景下,由于嘴部的姿态、脸部的表情和光线变化较大,在不受约束的条件下拍摄图片,高精度的嘴部检测是一个具有挑战性的问题.在以往的方法中,提取人工特征并将其作为二值分类进行建模求解已成为嘴部估计的标准步骤,这种方法难以处理姿态各异、状态模型的嘴部.因此,建立一个机器人交互场景下的嘴态识别系统具有重要的理论与实际应用价值

计算机系统应用 2019年12期2019-12-20

基于视频序列的危险驾驶预警技术研究

嘴巴张开度，通过嘴部张开的连续时间判断哈欠行为的发生［2］。陈云华利用方差投影方法确定眼部、嘴部位置，并分别使用虹膜似圆比、轮廓椭圆拟合参数定义眼睛睁开度和嘴部张开度，实现眼部疲劳和哈欠行为识别［3］。但现有研究多局限于使用传统的图像处理方法来进行眼部、嘴部初步定位，传统的定位方法涉及大量参数阈值，这使得系统在多变的环境中适应性较差；且多数研究基于单帧图像进行分类，缺少与时间维度的关联，这使得算法鲁棒性较弱。此外，多数危险驾驶预警系统仅使用疲劳特征来表征危

测控技术 2019年9期2019-10-18

高中素描头像教学中提高嘴部刻画能力的策略探究

的研究较多，而对嘴部这个脸部的最主要表情器官重视不够。对素描头像教学中怎样提高学生对嘴部的刻画能力进行分析和探究。关键词：高中；素描；嘴部；唇形作为脸部的主要器官，嘴无疑是脸部运动范围最大、最富有表情变化的部位，是构成面部美的重要因素之一。嘴唇的动态变化非常丰富，只看嘴唇的形态，就能知道人物内心是喜是悲。一、了解嘴部的构造要画好嘴首先需要了解其基本结构。嘴部骨架部分可分为：上颌骨、下颌骨、牙齿。从造型上来看，嘴部可分为：人中、口裂线、上下嘴唇、嘴角，这些都

新课程·下旬 2019年3期2019-05-08

基于人脸关键点的表情实时动态迁移

获取后通过本文的嘴部曲线拟合调整嘴部关键点的个数和位置，生成最终72个关键点。连续捕获三帧，获取帧间变化量dx，然后将目标图片人脸上获取的关键点作为基本点，融合dx，生成目标关键点，从目标图片获取纹理信息，以目标关键点为基础进行纹理映射最后显示。连续如上处理，即可获得表情动态迁移效果。总体算法描述请看图1。总体算法要求每一步的处理效率高，使得最后的视频流畅性和实时性好，而且关键点的检测准确度必须很好，所以本文选用了关键点检测准确度高的dlib库，在其公开的

现代计算机 2019年2期2019-03-02

一种基于多传感器融合的疲劳驾驶检测方法

采集驾驶员眼部、嘴部及车辆方向盘特征，再经过状态判别单元综合处理，最终判定驾驶员是否处于疲劳驾驶状态。通过三个特征的融合，开启疲劳驾驶检测门限条件，并对三种特征分别取不同的权重，运用Fisher线性判别算法进行分类，最终对驾驶员是否在疲劳驾驶做出判定。最后通过实验验证了基于多特征融合的疲劳检测方法较之单一要素检测的准确率更高，并能够实时监测，具有可行性与正确性。疲劳驾驶；方向盘特征；眼部特征；嘴部特征；特征融合1 引言随着社会经济的发展，机动车辆与日俱增，

汽车实用技术 2018年24期2019-01-02

哈欠检测研究综述

测的基础；第二，嘴部定位。打哈欠时，嘴部相较于人的正常状态会持续张大数秒，嘴部就是研究检测的重点；第三，特征提取。通过从定位到的嘴部图像提取有效的特征信息作为打哈欠行为判定的参考；第四，哈欠判断。根据所提取的特征信息，制定科学合理的模式判定规则和阈值，最后通过匹配判定打哈欠这一行为。2 现状目前的哈欠检测都是基于计算机图形学进行分析研究的，所以研究的第一步就是进行图像影像的采集。大部分的研究都是利用简单的光学摄像机最为图像的采集工具。同时，为了克服外界光影

现代计算机 2018年7期2018-12-21

基于多面部特征融合的驾驶员疲劳检测算法①

, 计算眨眼率和嘴部动作频率作为判断疲劳驾驶的依据[5], 也有人主要针对眼镜遮挡以及光照变化, 采取级联回归定位特征点,提出了一种更具鲁棒性的算法[6].人脸包含了非常重要的信息. 作为驾驶员疲劳指标之一, 脸部动态地表示困倦的特征是打哈欠, 这种行为通常与大脑中缺氧有关. 在这种情况下, 人类的自然反应就是张大嘴巴, 试图呼吸更多的氧气, 这是可以用作疲劳预警的一个面部特征. 另一个面部特征是眨眼率, 眨眼率表示一段时间内眨眼的次数. 在昏昏欲睡的状态

计算机系统应用 2018年10期2018-10-24

基于多帧间区域性光流特征的精神疲劳检测

纹理特征首先判断嘴部是否被遮挡，然后计算嘴部张开的高度与嘴部显著性区域的比值，设定阈值来判断嘴部状态。以上方法从不同角度进行探索并且达到一定的检测效果，但存在识别率低的问题。由人的先验知识知，人产生疲劳时，嘴部和眼睛部位动作缓慢，动作强度低，所以本文应用全局光流技术于疲劳表情。光流计算方法有相位[7]、能量[8]、匹配[9]和梯度[10]这4种。光流法具体分为：全局平滑法(HS)和局部平滑法(LK)[11]。由于局部平滑法对区域边缘的运动估计不准确的缺点。

计算机工程与设计 2018年8期2018-08-17

基于Horn-Schunck光流法的多目标反刍奶牛嘴部自动监测

通过手动选取奶牛嘴部区域，提出了基于视频分析技术的奶牛反刍行为检测方法，采用Mean Shift算法准确跟踪奶牛的下颌运动，提取出牛嘴部运动的质心轨迹曲线，实现了奶牛反刍行为的监测，但由于采用手动选取奶牛嘴部区域，自动化程度不高，不易实现多头奶牛反刍行为的监测。Andriamandroso等[18]提出了一种基于视频分析技术的奶牛反刍行为检测方法，结合惯性测量单元（inertia measuring unit, IMU）实现了奶牛反刍活动的监测，通过对19

农业工程学报 2018年10期2018-06-05

自闭症谱系障碍者的面孔加工特点——眼动研究的元分析*

障碍者也回避注视嘴部。那么回避嘴部是否同样可以作为评估标准？本研究运用元分析, 分别将面孔核心区域中眼睛和嘴部的注视时间作为结果变量, 探讨自闭症谱系障碍者面孔加工的注视特点。通过文献检索和筛查, 共有27篇眼动文献被纳入最终的元分析, 其中眼睛注视时间生成43个独立效应量(1343人), 在嘴部注视时间生成36个独立效应量(1112人)。结果发现, 自闭症谱系障碍组对眼睛的注视时间显著少于普通被试组(= −0.75), 但是两组在嘴部注视时间上没有显著差

心理科学进展 2018年1期2018-01-19

4-6岁儿童对不同面部表情识别的眼动特征分析

变，如愉快表情的嘴部越来越重要，愤怒表情的眉眼部越来越重要。4-6岁儿童；表情识别；眼动研究面部表情是个人情绪在面部的集中体现。它作为非言语信号，在人们的社会交往中占据着十分重要的位置。面部表情的识别可以帮助我们理解他人的情绪情感，同时也能为自己在社会情境中的反映体会一定参考指标。儿童对面部表情的识别能力在一定程度上能反映出其通过情绪表情推测他人内部心理状态的能力[1]。儿童在其特定的年龄阶段，通过对一些简单面部表情的识别，能够帮助他们更好地进行情绪交流和

陕西学前师范学院学报 2017年10期2017-11-01

基于嵌入式平台的人脸疲劳检测算法

出一种基于眼部和嘴部相结合的人脸疲劳检测算法，利用深度学习对人脸特征点进行定位，并通过眼部特征点计算PERCLOS参数，计算过程中详细讨论了不同特征对于PERCLOS参数提取的精确性，最后用角度特征来计算PERCLOS参数，同时将PERCLOS的时序信号进行频域分析，进而检测眼部代表的疲劳程度。与眼部协同的嘴部也是疲劳的重要指标，详细论述并提出了一种眼部和嘴部的疲劳协同参数。实验结果表明本文提出的方法是有效的，可以定量反映人的疲劳程度。同时将其部署在移动端

大连民族大学学报 2017年3期2017-06-06

基于Adaboost和回归树集合技术的疲劳识别研究

记准确定位眼睛和嘴部，最后用统计学的方法对用户的工作状态进行实时识别.与传统方法相比，本文提出的方法在准确度和实时性方面有了较大的提升，为疲劳诊断提供一条可借鉴的方案.VDT，疲劳监测，Adaboost，回归树集合0 引言VDT（Visual Display Terminal）作业是指用计算机视觉显示终端进行各类信息处理工作的总称.VDT的作业方式虽大幅提升生产效率，但易激增工作压力，诱发过度疲劳，甚至过劳死.《中国青年报》报道：我国每年过劳死人数达60万

汕头大学学报（自然科学版） 2017年2期2017-06-05

女人为什么喜欢吃零食

人放松当食物与嘴部皮肤接触时，一方面它能够通过皮肤神经将感觉信息传递到大脑中枢而产生一种慰藉，使人通过与外界物体的接触而消除内心的孤独；另一方面，当嘴部接触食物并做咀嚼和吞咽运动的时候，可以缓解紧张和焦虑心情。吃零食能补充大脑营养平时上班族都会在抽屉里备上一些小零食，下午无聊时就会吃上几包。这是因为一些零食含丰富的营养素，糖分和脂肪相对较低，是日常理想的零食。比如低脂奶酪、含粗纤维的饼干或一般的巧克力饼干、不太甜的面包和三明治等等。如果不是很饥饿，提子

人人健康 2017年1期2017-01-24

面部特征融合的电力作业头疲劳检测方法研究

P特征表示眼部和嘴部特征，利用训练好的分类器进行人脸检测以及眼部、嘴部特征的提取；最后，根据眼部高宽比和嘴部宽高比分别对眼部闭合状态和嘴部张闭状态进行判别，并用PERCLOS原理统计员工眼部闭合频率，结合打哈欠时嘴部规律性闭合情况来完成疲劳状态判别。实验结果表明：该方法能在复杂背景下快速检测出疲劳状态，具有较强的适应性和鲁棒性。疲劳作业检测；AdaBoost；Retinex算法；Haar特征；LBP特征随着电网规模的不断扩大和操作过程的日益复杂化，电力各从

电网与清洁能源 2016年9期2016-12-13

基于SOPC的智能辅助饮食系统设计

图像分析，定位出嘴部位置，再由FPGA产生持续PWM波控制机械臂的运动，将饮品送到使用者嘴边进行饮用。该系统具有语音识别功能，全程通过语音进行人机交互，并具有自动添加饮品功能和水温异常报警功能。嵌入式系统；定位；机械臂；语音识别随着科技的发展，多自由度机械手臂广泛应用于生活、半导体制造、工业、医疗、军事以及太空探索等领域。机械手臂能够接受指令，精确地定位到三维（或二维）空间上的某一点进行作业。另外电子技术的发展也日新月异，已经融入生活各个方面，智能化已经成

实验科学与技术 2016年6期2016-02-09

浅析柴可夫斯基《那波里舞曲》音乐作品

以下三点：（1）嘴部肌肉的正确使用；（2）舌尖位置的变换；（3）横膈膜及腹肌的支撑。三者缺一不可。首先是嘴部肌肉的正确使用。吹奏高音时，我们的嘴部肌肉应该成绷紧状，而且音吹得越高绷得就要越紧。那么怎么样才能绷紧我们的嘴部肌肉呢？先让我们来发一下eeeee看看。我们的嘴在发e的时候，虽然两边的肌肉绷紧了，但嘴部中央的肌肉却是松弛的。那么再让我们来发一下mmmm试试看，在发mmmm时，我们嘴部中央的肌肉虽然绷紧了，但是两边嘴角的肌肉却松弛下来了。因此我们要想使

戏剧之家 2015年9期2015-06-11

基于动态匹配模型的驾驶人嘴部行为识别与分级预警*

匹配模型的驾驶人嘴部行为识别与分级预警*付 锐1，程文冬2,3，张名芳2，袁 伟2，刘卓凡2，郭艳君2(1.长安大学，汽车运输保障技术交通行业重点实验室，西安 710064； 2.长安大学汽车学院，西安 710064；3.西安工业大学机电工程学院，西安 710032)鉴于嘴部行为能够反映出驾驶人不同的精神状态，本文中提出了一种基于机器视觉的嘴部行为识别与精神状态预警方法。首先采用改进的高斯混合模型进行光照自适应的唇色分割。然后在嘴唇区域内建立了基于灰度能量

汽车工程 2015年9期2015-04-12

驾驶员疲劳检测中的嘴部状态研究

个重要信息集中点嘴部进行研究，分析嘴部在打哈欠和说话时的明显区别，提出了嘴部状态对疲劳驾驶检测的影响。1 人脸定位人脸定位是疲劳检测的第一步，它是指在一幅图像或一段视频流中找出人脸部分的过程，包括人脸的大小和位置[2]，同时将检测到的人脸部分截取出来，进行后续的处理。人脸的精确定位对于后续检测算法有很大的帮助。由于本算法针对的对象是驾驶员，采集到的图像中只出现驾驶员，所以可以认为是单人脸检测。在目前的多种人脸检测算法中，AdaBoost算法由于其快速和高精

电子设计工程 2015年2期2015-01-17

基于SUSAN算子的嘴部轮廓特征提取方法

SUSAN算子的嘴部轮廓特征提取方法戚银城，苑 清，李 婷，杨秀芳(华北电力大学电气与电子工程学院，河北保定071003)针对人脸识别中的嘴部定位部分轮廓缺失问题，提出了一种由粗到精的快速准确的嘴部轮廓特征提取方法。该方法是在人脸检测的基础上采用改进的SUSAN算子提取嘴部边缘轮廓信息，通过几何特征和搜索区域相结合的方法实现了嘴唇轮廓的精确定位。仿真结果表明，该定位方法快速有效，正确率较高。轮廓提取;人脸检测;SUSAN算子嘴唇轮廓提取是采用图像分割的方法

电视技术 2014年23期2014-07-02

曲面造型方法的分析与应用

底座、连接部分、嘴部4部分组成。由于连接部分的形状和位置是由其余3部分的形状和位置决定的，因此在造型时，可以先从把手、底座、嘴部入手，再创建连接部分。具体创建方法和步骤如下：（1）创建底座。该底座是一个圆台形，可以在两个平行基准面上分别创建上、下两个底面圆的草图，如图9所示。草图1 为下底面圆，草图2 为上底面圆，再利用曲面放样命令完成。图7 喷嘴外形图8 喷嘴组成部分（2）创建把手。该把手的截断面均为圆头四边形，靠左边从上到下是沿直线发展的，靠右侧是沿

机械工程与自动化 2013年1期2013-07-20

基于YUV颜色空间的脸部区域特征点定位方法

主要集中在眼部与嘴部的精确定位上。在眼部区域定位研究方面，主要采用模板匹配法［8］、特征脸方法［9］、神经网络法［10］、基于对称性的方法［11］和 Hough变换方法等。模板匹配方法、特征脸方法以及神经网络方法着重于眼部区域的整体特征，后两种方法主要考虑几何特性。上述方法在光照均匀、背景简单时可行，但其计算量较大，不利于实时处理，且对光照、旋转角度等的影响极为敏感，很难实现准确定位。在嘴部区域定位研究方面，多采用局部梯度算子法［12］、主元特征矢量分析法

吉林大学学报（工学版） 2013年1期2013-04-12

基于改进MeanShift算法的视线跟踪技术

URF算法的自动嘴部区域初始化MeanShift算法改进，使用SURF 函数实现嘴部检测，然后使用MeanShift 跟踪算法实现嘴唇跟踪，通过嘴部运动产生新位置坐标来控制鼠标。1 SURF算法1.1 构建Hessian 矩阵SURF 检测算法是由Hessian 矩阵决定的，下面给出矩阵H：Lxx(X,t)是一幅图像在不同解析度下的表示，可以利用高斯核G (t)与图像函数I(X)在点 X=(x,y)的卷积来实现，核函数G(t) 具体表示如式(3)，g(t)

海军航空大学学报 2010年2期2010-03-24

易建联嘴部被缝50针

日报道，易建联从嘴部到下巴的撕裂伤至少缝了40针到50针，他的复出计划将再推数周。易建联原本可以在7日篮网对尼克斯队的比赛中复出。可在前一天的3对3对抗训练中，威廉姆斯挥肘击中易建联的脸部。威廉姆斯回忆说当时的情况并不很糟，易建联还准备坚持训练完，但没想到撕裂伤其实很严重。“说实话，我也记不清缝了多少针，但应该很多，40针、50针吧。”易建联事后接受采访如此表示。《新泽西星报》7日哀叹中国球员易建联祸不单行，“他新赛季开始表现出众，但仅仅打了4场比赛就因为

环球时报 2009-12-082009-12-08

心情不好吃点零食

的消除。当食物与嘴部皮肤接触时，一方面它能够通过皮肤神经将感觉信息传递到大脑中枢而产生一种慰藉，使人通过与外界物体的接触而消除内心的孤独；另一方面，当嘴部接触食物并做咀嚼和吞咽时，可以使人对紧张和焦虑的注意中心得到转移，在大脑的摄食中枢产生另一个兴奋灶，从而使紧张兴奋区得到抑制，最终使身心得以放松。那么，我们怎样才能够抑制吃零食的消极作用而发挥其积极功能呢?掌握吃零食的时间：当人处于紧张、焦虑、忧郁和疲劳时，吃点水果、点心、瓜子或喝杯饮料等，都有助于消除紧

人生与伴侣·共同关注 2009年3期2009-03-27