以光流法为依据,提出了一种基于光流方向信息熵(entropy of oriented optical flow,EOF)统计的方法捕捉微表情关键帧.首先,采用改进的Horn-Schunck光流法提取视频流中相邻两帧图像的微表情运动特征;其次,采用阈值分析法筛选出投影速度模值较大的光流向量;之后,采用图像信息熵统计光流变化角度,进而得到视频序列的方向信息熵向量,通过对熵向量的分析,实现微表情关键帧捕捉;最后,本实验采用芬兰奥卢大学的SMIC微表情数据库和中国科学院心理研究所傅小兰的CASME微表情数据库作为实验样本,通过与传统的帧差法比较,证明了本文提出的算法优于帧差法,能够较好地表现出微表情变化趋势,为微表情识别提供基础

5.1 一阶谓词逻辑 5.2 归结演绎推理 5.3 应用归结原理求取问题答案 5.4 归结策略 5.5 归结反演程序举例 5.6 Horn子句归结与逻辑程序 5.7 非归结演绎推理

本章介绍学习关于 Prolog编程最基本的内容,包括Horn子句 Prolog、推理 机、程序控制、 Prolog算符等。 Visual Prolog是面向对象的、严格类型化的和模式检验的。在编写 Visual Prolog程序时,必须掌握这些内容。但在这里,我们将集中于编写代码这个 核心问题,也就是说,编写这些代码时暂时不考虑类、类型和模式。 我们将使用包含在 Visual Prolog6中的PIE例子。PIE是一个 Prolog经典的 解释器,通过使用它,可以学会和试验 Prolog程序,而不必关心类、类型等 方面的知识

3.2 归结演绎推理 3.3 应用归结原理求取问题答案 3.４ 归结策略 3.6 Horn子句归结与逻辑程序 3.7 非归结演绎推理