国产bbaaaaa片,成年美女黄网站色视频免费,成年黄大片,а天堂中文最新一区二区三区,成人精品视频一区二区三区尤物

首頁> 外文OA文獻 >Analyzing Trajectories on Grassmann Manifold for Early Emotion Detection from Depth Videos
【2h】

Analyzing Trajectories on Grassmann Manifold for Early Emotion Detection from Depth Videos

機譯：分析Grassmann流形上的軌跡以從深度視頻中進行早期情緒檢測

代理獲取
本網(wǎng)站僅為用戶提供外文OA文獻查詢和代理獲取服務(wù)，本網(wǎng)站沒有原文。下單后我們將采用程序或人工為您竭誠獲取高質(zhì)量的原文，但由于OA文獻來源多樣且變更頻繁，仍可能出現(xiàn)獲取不到、文獻不完整或與標題不符等情況，如果獲取不到我們將提供退款服務(wù)。請知悉。
  • 摘要
  • 著錄項
  • 相似文獻
  • 相關(guān)主題

摘要

— This paper proposes a new framework for online detection of spontaneous emotions from low-resolution depth se-quences of the upper part of the body. To face the challenges of this scenario, depth videos are decomposed into subsequences, each modeled as a linear subspace, which in turn is represented as a point on a Grassmann manifold. Modeling the temporal evolution of distances between subsequences of the underlying manifold as a one-dimensional signature, termed Geometric Motion History, permits us to encompass the temporal signature into an early detection framework using Structured Output SVM, thus enabling online emotion detection. Results obtained on the publicly available Cam3D Kinect database validate the proposed solution, also demonstrating that the upper body, instead of the face alone, can improve the performance of emotion detection.
機譯：—本文提出了一種新的框架，用于從身體上部的低分辨率深度序列在線檢測自發(fā)情緒。為了應(yīng)對這種情況的挑戰(zhàn)，深度視頻被分解為子序列，每個子序列都被建模為線性子空間，而子空間又被表示為格拉斯曼流形上的一個點。將基礎(chǔ)流形子序列之間的距離的時間演變建模為一維簽名（稱為幾何運動歷史），使我們能夠使用結(jié)構(gòu)化輸出SVM將時間簽名包含到早期檢測框架中，從而實現(xiàn)在線情感檢測。在可公開獲取的Cam3D Kinect數(shù)據(jù)庫上獲得的結(jié)果驗證了所提出的解決方案，還表明，上半身（而不是單獨的臉部）可以改善情緒檢測的性能。

著錄項

相似文獻

  • 外文文獻
  • 中文文獻
  • 專利
代理獲取

客服郵箱：kefu@zhangqiaokeyan.com

京公網(wǎng)安備：11010802029741號 ICP備案號：京ICP備15016152號-6 六維聯(lián)合信息科技 (北京) 有限公司?版權(quán)所有

  • 客服微信

  • 服務(wù)號