Resumen

El modelo de aprendizaje de ecuaciones diferenciales parciales se aplica a otro problema de procesamiento visual de alto nivel: el reconocimiento facial. Se propone un nuevo método de selección de características basado en el modelo de aprendizaje de ecuaciones diferenciales parciales. Las características extraídas son invariantes a la rotación y la traslación y más robustas a los cambios de iluminación. En la evaluación de la concentración de los estudiantes en clase, este documento utiliza primero el algoritmo de detección de rostros en la tecnología de reconocimiento facial para detectar el rostro e interceptar los datos de expresión, y calcula la tasa de aumento. Luego, se utiliza el modelo mejorado de análisis y evaluación de la concentración de una clase de chino universitario para reconocer la expresión facial, y se otorga el peso correspondiente para calcular la puntuación de expresión. Finalmente, la tasa de levantamiento de cabeza calculada al mismo tiempo se multiplica por la puntuación de expresión como la puntuación final de concentración. A través del experimento y análisis

• Materias:Ecuaciones diferenciales parciales Ecuación de difusión Sistema de discriminación Singularidad Acoplamiento electromecánico
• Subjects:Partial differential equations Diffusion equation Discrimination system Singularity Electromechanical coupling
• Palabras claves:Ecuación diferencial parcial; Reconocimiento facial; Selección de características; Rotación; Traducción; Concentración
• Keywords:Partial differential equation; Face recognition; Feature selection; Rotation; Translation; Concentration