江苏省高校自然科学研究项目(08KJB510016)
- 作品数：3 被引量：20H指数：2
- 相关作者：卢官明郭旻李晓南邹婵洁郎苏娟更多>>
- 相关机构：南京邮电大学南京医科大学第二附属医院更多>>
- 发文基金：江苏省高校自然科学研究项目更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于支持向量机的新生儿疼痛表情识别被引量：2
- 2009年
- 研究不同的特征提取方法和分类方法在分类问题上的性能,其中包括主分量分析(PCA)、Adaboost算法、支持向量机(SVM),并进行了仿真实验。仿真结果表明,相对于使用主分量分析方法,利用Adaboost算法结合支持向量机的分类方法进行特征提取和选择的效果更好。
- 高众卢官明
- 关键词：表情识别主分量分析ADABOOST算法支持向量机
- 基于YC_bC_r颜色空间的背景建模及运动目标检测被引量：5
- 2009年
- 高斯混合模型广泛应用于基于背景建模的运动目标检测中。首先在YCbCr颜色空间采用自适应高斯混合模型对背景的每个像素建模;然后,对输入的当前帧图像的每一像素值与该像素点对应的高斯混合背景模型的各个高斯模型进行比较,将前景运动区域(包括运动目标、投射阴影)从场景中提取出来;最后,采用局部二元图(Lo-cal Binary Pattern,LBP)来提取纹理特征,利用背景在阴影覆盖前后的纹理相似性去除投射阴影,同时结合阴影的空间几何特性优化运动目标检测结果。实验结果表明,该算法能有效地检测出投射阴影和运动目标,具有较高的实际应用价值。
- 卢官明郎苏娟
- 关键词：运动目标检测YCBCR颜色空间高斯混合模型
- 基于SVM的新生儿疼痛表情识别被引量：13
- 2008年
- 近十年来新生儿疼痛引起医护人员的广泛关注。由于新生儿不能自述疼痛的感受,疼痛评估成为新生儿科学中最具挑战性的一个难题。新生儿'疼痛面容'(蹙眉、挤眼、鼻唇沟加深、张口)被认为是最可靠的疼痛指标,且持续时间最长,因而被国际上常用的新生儿疼痛评估工具作为评估指标。然而,这些疼痛评估工具往往受到临床医护人员主观因素的影响。文中旨在解决上述问题,提出利用支持向量机(SVM)技术对新生儿疼痛与非疼痛面部表情进行分类识别。对210幅照片的表情图像进行了研究,比较了线性核函数SVM、多项式核函数SVM(d=2,3,4)以及径向基函数SVM等5种不同分类器的性能。实验结果表明,阶数d=3的多项式核函数SVM分类器的性能最佳,对疼痛和非疼痛表情分类的识别率达到93.33%,对疼痛与安静表情的分类识别率为94.17%,对疼痛与哭表情的分类识别率为83.13%,初步具备了在新生儿疼痛评估中的潜在应用价值。
- 卢官明郭旻李晓南李海波邹婵洁
- 关键词：新生儿疼痛表情识别支持向量机
