搜索结果: 16-26 共查到“计算机科学技术 表情识别”相关记录26条 . 查询时间(0.087 秒)
基于双向二维加权主元分析的人脸表情识别
特征提取 二维主元分析 双向二维加权主元分析
2009/7/16
提出了一种双向二维加权主元分析方法用于人脸表情特征提取,该方法从水平和垂直两个方向对图像矩阵进行降维处理,大幅降低了所提取的特征数目;且考虑到人脸不同部位包含不同的表情信息这一特点,对各个特征赋予不同的权重系数。实验证明,与已有的二维主元分析相比较,该方法不但运算速度快,且获得了更高的识别率。
基于小波变换和独立分量分析的面部表情识别
二维离散小波变换 独立分量分析 支持向量机
2009/7/16
提出了一种联合二维离散小波变换(2D-DWT)和独立分量分析(ICA)相结合的表情特征提取法。首先通过2D-DWT将当前图像分解成4个子图像,其中一子图像对应原图像的主体部分(低通部分),其余三个子图像对应图像的细节部分(高通部分)。采用ICA分别对每一子图像进行特征提取,得到的表情矢量与中性矢量的差值矢量作为特征矢量,在此基础上使用性能比较稳定的支持向量机来分析各个子带图像的识别情况。此外,还提...
面向表情识别的AVR和增强LBP特征选择方法
LBP特征 AVR特征选取 SVM分类器
2009/7/14
由于对局部纹理特征具有很强的描述能力,LBP(Local Binary Patterns)已经被广泛应用于模式识别、计算机视觉等相关领域,但传统的LBP在表情识别中的正确率并不高,提出了一种结合小波分解的改进LBP特征提取方法,首先使用Adaboost人脸检测算法和2D模型提取人脸图像并归一化,并使用小波分解的方法增强LBP特征,然后通过AVR(Augmented Variance Ratio)特...
一种经过Hopfield网调整后的非特定人表情识别
Hopfield PCA LDC Fisherc
2009/6/29
采用了一种经过Hopfield网调整后再进行人脸表情识别的方法。先选取一套做得较好表情作为标准样本,用Hopfield网对这个标准样本进行训练。再把样本库中的全部样本用这个训练好的Hopfield网进行调整,由于Hopfield网吸引稳定作用,会使样本库中样本向标准样本中相似的样本靠拢,这样相当于利用它们的相似拉开了各类表情样本的距离,有利于以后进行的分类。实验结果表明,采用Hopfield网调整...
基于分类器联合的表情识别
模糊积分 分类器融合 人脸表情识别
2009/6/25
提出了一种基于分类器联合的人脸表情识别方法。首先采用CKFD算法在双决策子空间中提取两类表情特征并融合;分别利用最近邻、最小距离和神经网络三种子分类器进行识别;最后运用模糊积分对子分类器的识别结果进行融合。基于JAFFE的实验结果表明,它是一种有效的表情识别方法。
基于粗略到精细分类的面部表情识别方法
面部表情 表情分类 加权卡方值
2009/4/16
为了更准确地识别人的表情,在识别人脸7种基本表情(愤怒、厌恶、恐惧、高兴、无表情、悲伤和惊讶)时,采用了局域二值模式技术提取面部特征,进行由粗略到精细的表情分类。在粗略分类阶段,7种基本表情中的2种表情被选为初步分类结果(候选表情)。在精细分类阶段,选用计算加权卡方值确定最终分类结果。采用日本的Jaffe表情数据库来验证算法性能,对陌生人表情的识别率为77.9%,其结果优于采用同样数据库的其他方法...
基于典型相关分析特征融合的人脸表情识别方法
表情识别 离散小波交换 标准正交非负矩阵分解
2009/2/6
针对目前大部分人脸表情识别算法中仅提取图像的某一类特征,导致特征参数不能全面反映脸部情感信息的问题,提出了一种基于特征融合和离散隐马尔可夫模型(HMM)识别的人脸表情识别方法。对同一个图像序列分别使用离散小波变换(DWT)和标准正交非负矩阵分解(ONMF)提取纹理信息,使用改进的主动表观模型(AAM)提取几何形变信息,再使用高维小样本下典型相关分析(CCA)对提取的两种特征进行特征融合,最后使用离...
基于人脸相似度加权距离的非特定人表情识别
人脸表情识别 非特定人 人脸相似度加权距离 高阶奇异值分解
2008/6/5
该文提出了一种用于非特定人表情识别的方法。首先,对测试人的初始表情特征进行高阶奇异值分解,得到测试人与训练集中所有人相关的表情特征。然后,根据“相似的人有相似的表情”的假设,计算人脸相似度加权距离,作为测试人的表情特征与标准的表情特征之间的相似性测度。通过加权的过程,可以有效地去除由于个体差异而造成的表情特征的差异,提高非特定人表情识别的鲁棒性。该文提出的方法在JAFFE数据库上进行了测试。对非特...
人脸面部混合表情识别系统
混合表情 特征序列 表情特征区域 特征流
2007/12/28
根据心理学家对表情的研究和前人的工作成果,在对动态表情图像序列的时序分析的基础上,提出了对混合表情的识别系统.把脸部分成各个表情特征区域,分别提取其运动特征,按时序组成特征序列,通过分析不同特征区域所包含的不同表情信息的含义和表情的含量,识别任意时序长度的、复杂的混合表情图像序列.
Eigenface的变维分类方法及其在表情识别中的应用
Eigenface 变维分类 表情识别 人脸识别
2007/12/25
将Eigenface多子空间分类方法用于面部表情识别;针对传统多子空间分类方法中的问题和缺点,提出了两种变维分类方法--静态变维分类和动态变维分类.根据脸部不同区域所含表情成分的不同,将人脸图像划分成表情子区域, 构成表情子图像;并分别对各类表情子图像集求解其表情特征子空间.在识别时,用变维分类方法把表情子图像分别投影到各个表情特征子空间上,根据该图像与其在表情特征子空间的投影之间的相似性来进行分...