山东大学李阳教授团队提出了一种融合多传感器信号的方法，以提高面部表情识别的准确率。该方法利用电容-肌电双模传感器获取高保真电容和肌电信号，并结合1D-CNN算法构建面部表情识别系统。结果显示，该系统具有优秀的生物相容性和抑菌性，可以用于实时监控和分析面部表情。

在现代社会中，人工智能技术已经成为人类生活的重要组成部分。近年来，人脸识别技术因其高精度、便捷性和安全性而受到广泛关注。然而，由于人眼对于不同面部表情的识别能力存在一定的差异，使得人脸识别系统的准确率受到了限制。
为了提高面部表情识别的准确性，李阳教授团队提出了一种融合多传感器信号的方法。这种方法通过收集用户的面部电容和肌电信息，结合深度学习技术来实现面部表情识别。
具体来说，他们采用了电容-肌电双模传感器来获取高保真电容和肌电信号。这些传感器能够在用户面颊位置采集到一系列微弱且连续的电荷变化数据。这些数据被转换成数字信号后，再由深度学习模型进行处理和分析。
此外，该研究还开发了一个基于1D-CNN的面部表情识别系统。1D-CNN是一种卷积神经网络结构，能够自动提取图像中的特征并将其分类。这种模型可以在较短的时间内对大量的面部表情数据进行训练，从而实现高精度的人脸表情识别。
实验结果表明，他们的系统具有优秀的生物相容性和抑菌性。在测试环境中，该系统的识别准确率达到了98%以上，且其抗干扰能力和稳定性都得到了显著提升。
总的来说，李阳教授团队提出的这种融合多传感器信号的方法和基于1D-CNN的面部表情识别系统，无疑为提高面部表情识别的准确率提供了新的可能性。在未来的研究中，我们可以期待更多高效且稳定的面部表情识别技术出现，这将极大地推动人脸识别技术的发展和社会的应用。