![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/17/fecfe9af-af46-4610-812a-f9c295603bbe/fecfe9af-af46-4610-812a-f9c295603bbepic.jpg)
![基于單演示波和稀疏表示的人臉表情識別方法.pdf_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/17/fecfe9af-af46-4610-812a-f9c295603bbe/fecfe9af-af46-4610-812a-f9c295603bbe1.gif)
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、人臉表情識別研究作為視覺系統(tǒng)研究和人機交互研究中重要的一部分內容,受到了研究學者們的廣泛關注,本文著重研究了人臉表情識別系統(tǒng)中特征提取和分類識別的環(huán)節(jié),對單演示波和稀疏分類器的相關應用進行了比較深入的研究,并在此基礎上對存在遮擋情況下面部表情識別問題提出了相應的解決方法,本文的主要研究內容和創(chuàng)新觀點可以分為以下幾個部分:
(1)針對單演二值模式(Monogenic Binary Pattern,MBP)對表情紋理特征提取的局限
2、性,提出一種融合MBP和單演方向梯度直方圖(Histograms of MonogenicOrientated Gradients,HMOG)的人臉表情識別方法。該方法首先將人臉表情通過單演濾波提取方向,相位,幅度三個方面的信息,融合方向和幅度的信息對人臉表情進行單演二值模式直方圖特征提取。但是單一紋理特征對于人臉表情識別具有一定的不足,本文通過結合梯度方向直方圖的思想,提出一種HMOG特征用于表征人臉圖像的形狀信息,再通過自適應加權信
3、息熵的方法取得最佳的表情塊特征權值,最后利用最近鄰方法進行分類,得到最終識別結果。為了驗證本文方法的有效性,在通用的JAFFE和Cohn-Kanade人臉表情庫上做了大量的實驗,實驗結果表明該方法對人臉表情具有很好的識別效果。
(2)為了彌補第二章對單演相位信息提取的忽略以及增強稀疏分類器對于人臉表情分類的魯棒性,提出了一種基于單演多特征和稀疏表示融合的人臉表情識別方法。首先對預處理后的表情圖像進行單演示波濾波操作,獲得三個尺
4、度上的單演幅值、單演方向和單演相位特征;然后利用單演梯度方向,增強單演相位和單演二值模式方法分別融合方向信息,幅值信息和相位信息形成不同的表情特征并構造相應的稀疏表示分類器;最后利用l1正則化的最小二乘法優(yōu)化三個分類器的權值,從而實現(xiàn)決策層融合的人臉表情識別。
(3)針對現(xiàn)實生活中面部存在遮擋情況下的表情識別問題,本文提出一種雙層分類模型方法。首先在全局層采用基于全局表情狀態(tài)特征的稀疏表示分類方法,對得出的分類結果,利用稀疏聚
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏表示的人臉表情識別方法研究.pdf
- 基于小波變換和稀疏表示的人臉識別方法研究.pdf
- 基于稀疏表示和自適應模糊密度的人臉表情識別方法研究.pdf
- 基于稀疏表示和LGTP的人臉表情識別.pdf
- 基于稀疏表示的人臉表情識別.pdf
- 基于Gabor小波與稀疏表示的人臉識別方法研究.pdf
- 基于稀疏表示改進的人臉識別方法研究.pdf
- 基于稀疏表示的人臉表情識別研究.pdf
- 基于核稀疏表示的人臉識別方法研究.pdf
- 基于稀疏表示和子空間的人臉識別方法研究.pdf
- 基于稀疏表示的人臉圖像識別方法研究.pdf
- 基于加權組稀疏表示的人臉識別方法研究.pdf
- 基于低秩恢復和稀疏表示的人臉識別方法研究.pdf
- 基于稀疏表示的人臉識別
- 基于奇異值分解與稀疏表示的人臉識別方法.pdf
- 基于特征融合和稀疏表示的表情識別方法研究.pdf
- 基于改進LBP的人臉表情識別方法.pdf
- 基于稀疏表示的人臉識別.pdf
- 基于SMOTE的稀疏表示人臉識別方法.pdf
- 基于改進低秩恢復稀疏表示的人臉識別方法的研究.pdf
評論
0/150
提交評論