青青草原综合久久大伊人导航_色综合久久天天综合_日日噜噜夜夜狠狠久久丁香五月_热久久这里只有精品

風雨

驀然回首 卻在燈火闌珊處
posts - 3, comments - 2, trackbacks - 0, articles - 0
  C++博客 :: 首頁 :: 新隨筆 :: 聯系 :: 聚合  :: 管理

置頂隨筆

這個博客是http://hi.baidu.com/zhanggmcn的補充,主要存放一些代碼相關的內容。

posted @ 2010-05-04 10:11 zgm 閱讀(128) | 評論 (0)編輯 收藏

2010年5月11日

 一、人臉表情識別技術目前主要的應用領域包括人機交互、安全、機器人制造、醫療、通信和汽車領域等

 二、1971年,心理學家EkmanFriesen的研究最早提出人類有六種主要情感,每種情感以唯一的表情來反映人的一種獨特的心理活動。這六種情感被稱為基本情感,由憤怒(anger)、高興(happiness)、悲傷 (sadness)、驚訝(surprise)、厭惡(disgust)和恐懼(fear)組成

 人臉面部表情運動的描述方法---人臉運動編碼系統FACS (Facial Action Coding System),根據面部肌肉的類型和運動特征定義了基本形變單元AUAction Unit),人臉面部的各種表情最終能分解對應到各個AU上來,分析表情特征信息,就是分析面部AU的變化情況

 FACS有兩個主要弱點1.運動單元是純粹的局部化的空間模板;2.沒有時間描述信息,只是一個啟發式信息

三、人臉表情識別的過程和方法

1、表情庫的建立:目前,研究中比較常用的表情庫主要有:美國CMU機器人研究所和心理學系共同建立的Cohn-Kanade AU-Coded Facial Expression Image Database(簡稱CKACFEID)人臉表情數據庫;日本ATR建立的日本女性表情數據庫(JAFFE),它是研究亞洲人表情的重要測試庫

2、表情識別:

(1)圖像獲取:通過攝像頭等圖像捕捉工具獲取靜態圖像或動態圖像序列。  

(2)圖像預處理:圖像的大小和灰度的歸一化,頭部姿態的矯正,圖像分割等。

è目的:改善圖像質量,消除噪聲,統一圖像灰度值及尺寸,為后序特征提取和分類識別打好基礎

主要工作è人臉表情識別子區域的分割以及表情圖像的歸一化處理(尺度歸一和灰度歸一) 

(3)特征提取:將點陣轉化成更高級別圖像表述如形狀、運動、顏色、紋理、空間結構等, 在盡可能保證穩定性和識別率的前提下,對龐大的圖像數據進行降維處理

è特征提取的主要方法有:提取幾何特征、統計特征、頻率域特征和運動特征等

1采用幾何特征進行特征提取主要是對人臉表情的顯著特征,如眼睛、眉毛、嘴巴等的位置變化進行定位、測量,確定其大小、距離、形狀及相互比例等特征,進行表情識別

優點:減少了輸入數據量

缺點:丟失了一些重要的識別和分類信息,結果的精確性不高 

2)基于整體統計特征的方法主要強調盡可能多的保留原始人臉表情圖像中的信息,并允許分類器發現表情圖像中相關特征,通過對整幅人臉表情圖像進行變換,獲取特征進行識別。

主要方法:PCAICA(獨立主元分析)

PCAè一個正交維數空間來說明數據變化的主要方向 優點:具有較好的可重建性 缺點:可分性較差

ICAè可以獲取數據的獨立成份,具有很好的可分性

基于圖像整體統計特征的提取方法缺點:外來因素的干擾(光照、角度、復雜背景等)將導致識別率下降

3)基于頻率域特征提取: 是將圖像從空間域轉換到頻率域提取其特征(較低層次的特征)

 主要方法:Gabor小波變換

 小波變換能夠通過定義不同的核頻率、帶寬和方向對圖像進行多分辨率分析,能有效提取不同方向不同細節程度的圖像特征并相對穩定,但作為低層次的特征,不易直接用于匹配和識別,常與ANN SVM 分類器結合使用,提高表情識別的準確率。 

4)基于運動特征的提取:提取動態圖像序列的運動特征(今后研究的重點)

 主要方法:光流法

 光流是指亮度模式引起的表觀運動,是景物中可見點的三維速度矢量在成像平面上的投影,它表示景物表面上的點在圖像中位置的瞬時變化,同時光流場攜帶了有關運動和結構的豐富信息

 光流模型是處理運動圖像的有效方法,其基本思想是將運動圖像函數f (x, y,t)作為基本函數,根據圖像強度守恒原理建立光流約束方程,通過求解約束方程,計算運動參數

 優點:反映了表情變化的實質,受光照不均性影響較小

 缺點:計算量大 

(4)分類判別:包括設計和分類決策

在表情識別的分類器設計和選擇階段,主要有以下方法:用線性分類器、神經網絡分類器、支持向量機、隱馬爾可夫模型等分類識別方法

1)   線性分類器:假設不同類別的模式空間線性可分,引起可分的主要原因是不同表情之間的差異。

2) 神經網絡分類器:人工神經網絡(Artificial Neural Network,ANN)是一種模擬人腦神經元細胞的網絡結構,它是由大量簡單的基本元件神經元,相互連接成的自適應非線性動態系統。將人臉特征的坐標位置和其相應的灰度值作為神經網絡的輸入,ANN可以提供很難想象的復雜的類間分界面。

   神經網絡分類器主要有:多層感知器、BP網、RBF

  缺點:需要大量的訓練樣本和訓練時間,不能滿足實時處理要求

3) 支持向量機(SVM)分類算法:泛化能力很強解決小樣本、非線性及高維模式識別問題方面表新的研究熱點

基本思想:對于非線性可分樣本,首先通過非線性變換輸入空間變換到一個高維空間,然后在這個新空間中求取最優線性分界面。這種非線性變換通過定義適當的內積函數實現,常用的三種內積函數為:多項式內積函數、徑向基內積函數Sigmoid內積函數

4) 隱馬爾可夫模型(Hidden Markov Models, HMM):特點:統計模型、健壯的數學結構,適用于動態過程時間序列建模,具有強大的模式分類能力,理論上可處理任意長度的時序,應用范圍非常廣泛。

優點:運用HMM方法能夠比較精確的描繪表情的變化本質和動態性能

5) 其他方法:

基于人臉物理模型的識別方法,將人臉圖像建模為可變形的3D網格表面,把空間和灰度放在一個3D空間中同時考慮。

基于模型圖像編碼的方法是使用遺傳算法來編碼、識別與合成各種不同的表情

四、研究展望

1)魯棒性有待提高:

外界因素(主要是頭部偏轉光線變化的干擾)

采用多攝像頭技術、色彩補償技術予以解決,有一定效果,但并不理想

2)表情識別計算量有待降低è確保實時性的要求

3)加強多信息技術的融合

     面部表情不是唯一的情感表現方式,綜合語音語調、脈搏、體溫等多方面信息來更準確地推測人的內心情感,將是表情識別技術需要考慮的問題

posted @ 2010-05-11 10:57 zgm 閱讀(1041) | 評論 (2)編輯 收藏

2010年5月4日


Computing n choose k mod p

Postby joshi13 » Tue Apr 14, 2009 4:49 am

Hi all.

How can we apply the modular multiplicative inverse when calculating

(n choose k) mod p, where 'p' is a prime number.

If you could suggest some related problems, it would be very helpful.

Thanks in advance.


Re: Computing n choose k mod p

Postby mf » Tue Apr 14, 2009 10:56 am

You could use .


Re: Computing n choose k mod p

Postby maxdiver » Tue Apr 14, 2009 12:03 pm

There is another, more "mechanical", but more general, approach. It can be applied to any formula containing factorials over some modulo.

C_n^k = n! / (k! (n-k)!)
Let's learn how to compute n! mod p, but factorial without factors p and so on:
n!* mod p = 1 * 2 * ... * (p-1) * _1_ * (p+1) * (p+2) * ... * (2p-1) * _2_ * (2p+1) * (2p+2) * ... * n.
We took the usual factorial, but excluded all factors of p (1 instead of p, 2 instead of 2p, and so on).
I name this 'strange factorial'.

If n is not very large, we can calculate this simply, then GOTO END_SCARY_MATHS :)
If p is not large, then GOTO BEGIN_SCARY_MATHS:
Else - skip the rest of the post :)

BEGIN_SCARY_MATHS:
After taking each factor mod p, we get:
n!* mod p = 1 * 2 * ... * (p-1) * 1 * 2 * ... * (p-1) * 2 * 1 * 2 * ... * n.
So 'strange factorial' is really several blocks of construction:
1 * 2 * 3 * ... * (p-1) * i
where i is a 1-indexed index of block taken again without factors p ('strange index' :) ).
The last block could be not full. More precisely, there will be floor(n/p) full blocks and some tail (its result we can compute easily, in O(P)).
The result in each block is multiplication 1 * 2 * ... * (p-1), which is common to all blocks, and multiplication of all 'strange indices' i from 1 to floor(n/p).
But multiplication of all 'strange indices' is really a 'strange factorial' again, so we can compute it recursively. Note, that in recursive calls n reduces exponentially, so this is rather fast algorithm.

So... After so much brainfucking maths I must give a code :)
Code: Select all
int factmod (int n, int p) {
   long long res = 1;
   while (n > 1) {
      long long cur = 1;
      for (int i=2; i<p; ++i)
         cur = (cur * i) % p;
      res = (res * powmod (cur, n/p, p)) % p;
      for (int i=2; i<=n%p; ++i)
         res = (res * i) % p;
      n /= p;
   }
   return int (res % p);
}

Asymptotic... There are log_p n iterations of while, inside it there O(p) multiplications, and calculation of power, that can be done in O(log n). So asymptotic is O ((log_p n) (p + log n)).
Unfortunately I didn't check the code on any online judge, but the idea (which was explained by Andrew Stankevich) is surely right.
END_SCARY_MATHS:

So, we can now compute this 'strange factorial' modulo p. Because p is prime, and we've excluded all multiples of p, then the result would be different from zero. This means we can compute inverse for them, and compute C_n^k = n!* / (k!* (n-k)!*) (mod p).
But, of course, before all this, we should check, if p was in the same power in the nominator and denominator of the fraction. If it was indeed in the same power, then we can divide by it, and we get exactly these 'strange factorials'. If the power of p in nominator was greater, then the result will obviously be 0. The last case, when power in denominator is greater than in nominator, is obviously incorrect (the fraction won't be integer).

P.S. How to compute power of prime p in n! ? Easy formula: n/p + n/(p^2) + n/(p^3) + ...


(轉載:http://acm.uva.es/board/viewtopic.php?f=22&t=42690&sid=25bd8f7f17abec626f2ee065fec3703b

posted @ 2010-05-04 10:07 zgm 閱讀(589) | 評論 (0)編輯 收藏

青青草原综合久久大伊人导航_色综合久久天天综合_日日噜噜夜夜狠狠久久丁香五月_热久久这里只有精品
  • <ins id="pjuwb"></ins>
    <blockquote id="pjuwb"><pre id="pjuwb"></pre></blockquote>
    <noscript id="pjuwb"></noscript>
          <sup id="pjuwb"><pre id="pjuwb"></pre></sup>
            <dd id="pjuwb"></dd>
            <abbr id="pjuwb"></abbr>
            男人天堂欧美日韩| 亚洲日本电影| 久久精品国产99国产精品| 亚洲精选久久| 亚洲国产精品热久久| 久久久久久色| 亚洲国产精品成人综合| 国产一区二区三区成人欧美日韩在线观看| 欧美成人中文| 欧美凹凸一区二区三区视频| 欧美a级大片| 欧美大成色www永久网站婷| 久久久国产午夜精品| 欧美一区亚洲二区| 欧美在线www| 欧美在线视频日韩| 久久久久成人网| 久久久国产精品一区二区中文| 欧美亚洲一级| 欧美三级资源在线| 欧美色网在线| 欧美成人高清| 一区二区视频免费完整版观看| 欧美岛国在线观看| 欧美国产视频在线| 国产精品成人aaaaa网站| 国产精品美女一区二区在线观看| 欧美日韩午夜激情| av成人国产| 亚洲男人的天堂在线观看| 亚洲在线免费| 中文欧美在线视频| 欧美午夜激情小视频| 亚洲精品视频在线| 亚洲一区二区三区精品动漫| 亚洲欧美在线播放| 免费亚洲一区二区| 亚洲自拍偷拍色片视频| 欧美激情91| 亚洲一区二区三区四区五区黄 | 亚洲精品一二三| 亚洲深夜影院| 久久国产手机看片| 亚洲第一偷拍| 日韩视频一区二区三区| 亚洲欧美激情在线视频| 久久久久女教师免费一区| 欧美激情二区三区| 国产亚洲毛片| 一本色道久久88精品综合| 久久精品一二三区| 亚洲精品乱码久久久久久久久| 亚洲婷婷在线| 看欧美日韩国产| 国产精品久久一区主播| 亚洲黄色影院| 99精品热视频| 久久精彩视频| 另类激情亚洲| 亚洲伦理精品| 另类亚洲自拍| 国产精品你懂得| 国产一区二区高清视频| 亚洲精品女人| 美国成人直播| 午夜欧美理论片| 欧美午夜精品久久久久久浪潮| 亚洲国产欧美一区二区三区同亚洲 | 国产女精品视频网站免费| 一区二区三区在线观看国产| 一本色道久久综合亚洲精品婷婷| 欧美一区二区三区四区夜夜大片 | 国产精品福利网| 亚洲三级视频在线观看| 开心色5月久久精品| 午夜精品久久久久久久久久久久久| 蜜桃精品一区二区三区| 国产精品久久久久久久久久免费看| 亚洲第一偷拍| 久久国产精品久久国产精品| 在线亚洲一区观看| 欧美色图五月天| 亚洲欧美不卡| 一区二区三区久久精品| 国产精品国产精品| 亚洲综合色噜噜狠狠| 亚洲天堂免费观看| 国产精品久久久久久久7电影| 日韩一级黄色av| 亚洲三级视频在线观看| 欧美成人久久| 一本色道久久加勒比精品| 亚洲免费成人av电影| 欧美日韩国产欧| 91久久国产精品91久久性色| 欧美大胆a视频| 欧美黑人在线播放| 亚洲色无码播放| 午夜国产精品视频免费体验区| 国产日韩欧美在线| 欧美成人精品福利| 日韩午夜精品视频| 另类av导航| 亚洲午夜视频| 久久久国产91| 久久精品欧洲| 免费观看成人鲁鲁鲁鲁鲁视频 | 国产精品三级久久久久久电影| 欧美一级专区免费大片| 99热精品在线| 欧美中文字幕在线视频| 亚洲国产99精品国自产| 亚洲国产一区二区三区在线播| 欧美日本国产精品| 亚洲专区一区| 欧美在线影院在线视频| 亚洲国产精品一区制服丝袜 | 欧美国产视频在线| 午夜在线播放视频欧美| 久久久综合香蕉尹人综合网| 亚洲精品欧美极品| 亚洲欧美日韩精品久久久久| 久久国产一区二区| 亚洲自拍都市欧美小说| 久久免费的精品国产v∧| 亚洲免费人成在线视频观看| 欧美精品免费视频| 蜜臀91精品一区二区三区| 久久视频在线看| 欧美色道久久88综合亚洲精品| 亚洲成色777777在线观看影院| 久久久一本精品99久久精品66| 久久久国产91| 亚洲国产乱码最新视频| 麻豆av福利av久久av| 欧美亚洲网站| 韩日在线一区| 久久高清福利视频| 欧美国产日产韩国视频| 日韩小视频在线观看| 欧美日韩一卡二卡| 欧美资源在线| 国内精品国产成人| 欧美va亚洲va日韩∨a综合色| 亚洲高清视频的网址| 午夜性色一区二区三区免费视频| 樱桃成人精品视频在线播放| 免播放器亚洲一区| 亚洲一级在线| 亚洲日本理论电影| 久久色中文字幕| 亚洲主播在线观看| 91久久久久久久久久久久久| 亚洲免费在线视频| 一区二区三区日韩精品视频| 欧美黄色免费网站| 一本色道久久综合亚洲精品婷婷| 性欧美video另类hd性玩具| 亚洲国产成人精品久久| 国产精一区二区三区| 欧美成年人视频网站欧美| 亚洲午夜视频在线| 国产在线乱码一区二区三区| 免费中文字幕日韩欧美| 久久精品免视看| 欧美图区在线视频| 先锋影音久久久| 中文在线一区| 欧美午夜影院| 午夜性色一区二区三区免费视频| 一区二区久久久久久| 欧美极品aⅴ影院| 中文有码久久| 午夜精品婷婷| 91久久国产综合久久91精品网站| 一区二区三区高清视频在线观看| 欧美三区视频| 老鸭窝91久久精品色噜噜导演| 欧美一区二区三区喷汁尤物| 在线成人中文字幕| 中文在线一区| 韩国精品在线观看| 91久久精品国产91性色| 国产精品久久一级| 亚洲国产美国国产综合一区二区| 欧美日韩高清在线| 久久综合色影院| 国产精品久久久久999| 久久亚洲风情| 欧美国产一区二区在线观看| 久久国产精品黑丝| 国产精品网红福利| 久久亚洲国产精品一区二区 | 国产精品成人一区二区| 免播放器亚洲| 亚洲每日在线| 亚洲女同在线| 翔田千里一区二区| 国产精品一区三区| 久久久www成人免费毛片麻豆|