目的微表情是人自发产生的一种面部肌肉运动,可以展现人试图掩盖的真实情绪,在安防、嫌疑人审问和心理学测试等有潜在的应用。为缓解微表情面部肌肉变化幅度小、持续时间短所带来的识别准确率低的问题,本文提出了一种用于识别微表情的时空注意力网络(spatiotemporal attention network,STANet)。方法STANet包含一个空间注意力模块和一个时间注意力模块。首先,利用空间注意力模块使模型的注意力集中在产生微表情强度更大的区域,再利用时间注意力模块对微表情变化更大因而判别性更强的帧给予更大的权重。结果在3个公开微表情数据集(The Chinese Academy of Sciences microexpression,CASME;CASME II;spontaneous microexpression database-high speed camera,SMIC-HS)上,使用留一交叉验证与其他8个算法进行了对比实验。实验结果表明,STANet在CASME数据集上的分类准确率相比于性能第2的模型Sparse MDMO(sparse main directional mean optical flow)提高了1.78%;在CASME II数据集上,分类准确率相比于性能第2的模型HIGO(histogram of image gradient orientation)提高了1.90%;在SMIC-HS数据集上,分类准确率达到了68.90%。结论针对微表情肌肉幅度小、产生区域小、持续时间短的特点,本文将注意力机制用于微表情识别任务中,提出了STANet模型,使得模型将注意力集中于产生微表情幅度更大的区域和相邻帧之间变化更大的片段。
航天器电子系统架构是航天器能够进行在轨模块外部更换的关键技术之一。传统的航天器电子系统架构不具备可扩展性,难以满足航天器在轨服务期间功能模块改变、有效载荷等下位机数量和类型的功能变换和功能扩展的需求。针对这些问题,提出一种可扩展的航天器电子系统架构模型。该架构遵循层次化总线通信原则,通过电子数据表格(electronic data sheet,EDS)和下位机任务桩来对下位机进行动态维护管理,将下位机的电源配置和管理功能从硬件模块层提升到平台软件层实现,为不同的在轨服务需求提供了实用解决方案。该模型可以有效实现不同功能模块和下位机之间的自动集成,使在轨外部模块更换成为可能。
暂无评论