搜索结果: 1-15 共查到“人工智能 表情识别”相关记录16条 . 查询时间(0.091 秒)
一种面向移动端的浅层CNN表情识别
面部表情识别 卷积神经网络 全局平均池化 GoogleColab CoreML
2021/3/28
移动端的表情识别有巨大需求，但是受算力限制，主流深度神经网络无法直接移植。为此，设计了一个浅层网络，在节约计算量的同时保证了识别率。网络中使用三组堆叠而成的卷积层，有助于增大感受野，便于更好地提取特征，这是提升识别率的关键；使用全局平均池化层，避免引入额外的全连接层，大幅降低参数量，在训练样本不足的情况下，降低模型过拟合风险。在FER-2013数据集进行训练，准确率超过现有大多数算法；在CK+数据...
结合运动时序性的人脸表情识别方法
表情识别 脸部肌肉运动的时序性 贝叶斯网络 区间代数
2014/8/8
脸部肌肉之间的时空关系在人脸表情识别中起着重要作用,而当前的模型无法高效地捕获人脸的复杂全局时空关系使其未被广泛应用.为了解决上述问题,本文提出一种基于区间代数贝叶斯网络的人脸表情建模方法,该方法不仅能够捕获脸部的空间关系,也能捕获脸部的复杂时序关系,从而能够更加有效地对人脸表情进行识别.且该方法仅利用基于跟踪的特征且不需要手动标记峰值帧,可提高训练与识别的速度.在标准数据库CK+和MMI上进行实...
基于UWPCA与粗糙集相结合的表情识别
加权主成分分析（WPCA） 粗糙集 特征选择 表情分类
2010/3/19
针对现有的WPCA方法强调信息不足和提取特征维数过高问题，提出了一种改进的加权主成分分析和粗糙集相结合的方法。该算法利用加权主成分分析的原理，将特征加权和主成分分析相结合，构造了一个新的双向三中心高斯分布函数作为加权函数对图像各维特征进行加权，从而得到特征向量，再使用改进的粗糙集属性约简算法对得到的特征向量进行筛选，去除冗余信息。实验结果显示，方法是有效的。
基于矩阵模式的人脸表情识别
矩阵主元分析 矩阵线性判决分析 表情识别
2010/2/8
提出了一种基于矩阵模式的人脸表情识别方法。该算法直接将人脸表情图像矩阵作为矩阵模式，并结合传统PCA和FLDA进行表情特征提取，称之为MatPCA和MatFLDA。与2DPCA等不同，该算法既利用图像矩阵中的行向量间的信息，也充分利用列向量间的信息，尽可能地保留了原始的表情信息。基于JAFFE和CED-WYU（1.0）两个表情数据库的识别结果表明，基于矩阵模式的特征提取方法能有效地提高识别率并节省...
特征点LBP信息在表情识别中的应用
局部二值模式 局部二值模式直方图序列 表情识别
2009/12/3
提出一种基于特征点LBP信息的表情识别方法。在分析了表情识别中的LBP特征之后，选择含有丰富表情信息的上半脸眼部周围和下半脸嘴部周围的特征点，计算每个特征点邻域的LBP信息作为表情特征进行表情识别。实验表明，基于特征点LBP信息的方法不需要对人脸进行预配准，较传统的LBP特征更有利于表情识别的实现。
基于局部二元模式的面部表情识别研究
局部二元模式 线性判别分析 支持向量机
2009/11/19
提出了一种基于局部二元模式（Local Binary Pattern，LBP）与支持向量机（SVM）相结合的面部表情识别方法。使用LBP算子对图像进行处理，对图像的模式进行统计形成面部表情特征；使用线性判别分析对表情特征进行降维处理；采用支持向量机对面部表情进行分类。用Matlab实现了上述方法，并在日本女性人脸表情（JAFFE）数据库上测试，取得了70.95%的识别率。
...
基于改进联合模型的人脸表情识别
主动表观模型 联合模型 最近邻分类器 识别率
2009/10/26
在联合主动表观模型和主动形状模型的基础上，充分挖掘标定点之间的联系，提出一种局部纹理模型构建方法。通过改进匹配算法提高特征点的定位精度和匹配速度。将该算法提取到的人脸表情特征输入最近邻分类器，分类结果表明其识别率较高。
基于HMM和微粒群优化算法的表情识别
隐马尔科夫模型 微粒群优化算法 离散余弦变换
2009/7/31
提出基于微粒群优化算法(PSO)的隐马尔科夫模型(HMM)训练算法，分别用PSO和量子微粒群优化算法进行HMM的参数估计，以提高HMM的性能。将改进的HMM算法应用于人脸表情识别，采用离散余弦变换提取表情特征向量。实验结果表明，该算法能有效提高表情识别率，解决HMM的参数估计问题。
基于视频的人脸表情识别方法研究
人脸表情识别 CHMM 特征向量分割
2009/7/16
近年来，表情识别逐渐成为计算机视觉和模式识别领域的研究热点之一。给出了一个包含人脸特征提取和表情识别的计算机视觉系统，通过对视频中人脸兼容运动特征的跟踪，提取人脸运动特征向量序列，与以往的方法不同，提取到的特征向量流被分割为两类，一类是表情特征向量流，另一类是视觉语音特征向量流。然后，利用基于CHMM（Couple Hidden Markov Model）的表情识别模型，进行人脸表情的识别，该模型...
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...
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...