![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
情绪识别
情绪识别博士
在韩国祥明大学情感工程lab做博后,已在情绪识别研究室工作5年多。欢迎对情绪识别感兴趣的小伙伴一起探讨
展开
-
瞳孔特征值提取,blink frequency,fixation frequency,saccad extent, pupil diameter等
进行的分析有,滤波分析,fft,psddatabase.py下面展示一些 内联代码片。import pandas as pdimport numpy as npdef read_file(raw_path): data = pd.DataFrame(pd.read_csv(raw_path, encoding="utf-8", engine='python')) LPMM = np.array(data['LPMM']) RPMM = np.array(data['RPM原创 2020-09-17 14:55:21 · 614 阅读 · 0 评论 -
视频的共情评分website,python后台,flask交互
后端pythonweb_ex.pyimport osfrom flask import Flask, render_template, request'''# 设置了静态目录为./upload_pics,方便传递参数给html文件之后,显示图片# 假设上述目录下有一张123.jpg图片文件# 本例为了演示和方便理解,略去了传图片时的校验代码app = Flask(__name__, static_folder='./image')UPLOAD_FOLDER = 'upload_pics原创 2020-09-16 13:46:14 · 176 阅读 · 0 评论 -
图片转为git 小程序 python
先展示效果图下面展示一些 内联代码片。import osimport imageiofrom natsort import natsorteddef create_gif(image_list, gif_name): frames = [] for image_name in image_list: if image_name.endswith('.png'): print(image_name) frames.append(imageio.imread(image_n原创 2020-09-10 17:48:41 · 311 阅读 · 1 评论 -
我的第一篇Django,python + web框架
新建一个虚拟环境利用cmd中的Anaconda Prompt 工具命令输入conda list先查看一下conda下边有几个虚拟环境如下图所示2. 创建一个虚拟系统conda create my_env就像我上边这个,我已经创建好了虚拟系统,后边是虚拟系统的位置现在需要我们激活以下虚拟系统activate my_env如下图所示之前的base改为my_env就代表我们虚拟系统激活成功3. 然后新增一个项目,在需要的地址下打开添加项目的位置cd 位置如图所示.原创 2020-08-31 16:10:19 · 157 阅读 · 0 评论 -
视频同情程度实时分析系统
下面展示一些 内联代码片。# -*- coding: utf-8 -*-import cv2import pandas as pdimport osimport timeimport waveimport numpy as npimport pickleimport nextpow2from sklearn import preprocessingfrom moviepy.editor import *import matplotlib.pyplot as pltimport ma原创 2020-08-20 14:50:31 · 472 阅读 · 0 评论 -
眼睛在欣赏视频时的特征值分析——pupillary response and eye movement
任务激发的瞳孔反应显示出与工作记忆的直接相关性,使其成为有效的衡量与学习无关的认知负荷的方法。the pupillary diameter mean (P Dμ): the tonic dilation measured by the time series mean of the pupillary diameter2… the pupillary diameter standard deviation (P Dσ): the phaseal/dynamic aspect of pupillary原创 2020-08-12 19:20:01 · 365 阅读 · 0 评论 -
实时分析视频中的物理要素,并实时得出视频的共感评分
下面展示一些 内联代码片。# -*- coding: utf-8 -*-import cv2import pandas as pdimport osimport timeimport numpy as npimport picklefrom sklearn import preprocessingimport matplotlib.pyplot as pltimport matplotlibmatplotlib.use('TkAgg')def mkdir(path_3):原创 2020-08-11 18:59:37 · 318 阅读 · 0 评论 -
视频中音频数据通过RGB image输出后的特征图片处理——音频处理2
第一步对得到的RGBimage进行剪切下面展示一些 内联代码片。from scipy import miscimport numpy as npimport cv2import osimport pandas as pdnp.set_printoptions(threshold=np.inf)def image(): # print(os.path.abspath(image_path)) # print(item) frame = cv2.imread(imag原创 2020-07-23 21:45:23 · 318 阅读 · 0 评论 -
使用机器学习对视频中图片和声音物理要素进行训练
上次提取到的声音特征值和图片特征值对其进行学习,以便我们后续的实时共感系统的运行下边是python的实现数据集下面展示一些 内联代码片。def load_dataset(): train_data = pd.DataFrame(pd.read_csv(path +file,encoding='CP949', engine='python'))#path+out 是声音和图片的数据集,csv格式 X_train = np.array(train_data[['gray','h','原创 2020-07-21 17:35:00 · 392 阅读 · 0 评论 -
视频中提取到的共感要素画折线图添加到视频中,实时系统。 python实现
我这边 有24个视频,首先 要对他们进行video转picture的转换然后将名称重新定义import globimport osnum =[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24]for n in range(len(num)): #图片位置 inputPath = r'E:/ffmpeg-latest-win64-static/2019_11_12_experimental_data/stimuli原创 2020-07-21 16:29:21 · 356 阅读 · 0 评论 -
视频中图片和声音物理要素的提取(2)
使用从声音中RGB图片的提取,来区分共情元素和非共情元素的python实现。下面展示一些 内联代码片。import waveimport numpy as npimport matplotlib.pyplot as pltimport nextpow2import osdef data(): fw = wave.open(wav_path + file, 'r') # 读取音频文件 soundInfo = fw.readframes(-1) #读取音频的每一帧 sou原创 2020-07-20 13:53:34 · 379 阅读 · 0 评论 -
视频中的物理要素——提取人们产生共情的元素
近几年油管,各种小视频的兴起,似乎在为我们打开一扇门。研究角度来看,人们为什么对小视频如此痴迷。短暂的欲望得到满足为什么通过视觉刺激,听觉刺激可以在观看吃播的时候,观看者也可以得到同样的对食物满足的情绪刺激。很重要的原因是,我们很需要很需要共情(empathy)相恋的两个人,为什么会在某一天争吵,因为对方体会不到我的心情,看来共情是多么的重要啊所以如果能够找到那个让你产生共情的元素那么在未来的广告创作中,巧妙的运用这些共情元素,让观众在观看广告的过程中产生了广告中所表达的情绪。那么观众就会原创 2020-07-20 13:26:57 · 966 阅读 · 0 评论 -
视频中图片和声音物理要素的提取
这里写自定义目录标题图片中RGB,HSV,Lab特征值的提取,python的实现下面展示一些 内联代码片。# -*- coding: utf-8 -*-import cv2import pandas as pdimport os## 判断是否存在文件夹def dir(path_out): folder = os.path.exists(path_out) if not folder: os.makedirs(path_out) prin原创 2020-07-20 12:10:44 · 413 阅读 · 0 评论 -
视频中提取图片信息和声音信息
随着某音,某拍小视频的流行,视频中的物理要素变得尤为重要,通过提起视频中的物理要素,判断视频对人们情绪的刺激,将是未来一个重要的话题。视频中的重要信息包括图片和声音。图片又可以从每帧的RGB,HSV,Lab得到特征值。声音有很多方式的提取,这里列举三种。1.将声音转为数据信息,将数据信息通过FFT分析,提取每秒的frequency和power。2.使用MFCC中提取的12个倒波系数作为特征值。3.将每帧数据先进行SFTF的变换为RGB图片。从RGB图片中提取R,G,B三个变量作为声音的amp原创 2020-07-20 11:41:04 · 766 阅读 · 0 评论