-
公开(公告)号：CN102831389A
公开(公告)日：2012-12-19
申请号：CN201210224035.4
申请日：2012-06-28
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于判别分量分析的人脸表情识别方法，具体涉及一种基于改进DCA的人脸表情识别方法，该方法首先按照最大类内距离和最小类间距离的准则获得样本子集；然后计算样本子集的投影矩阵；最后将样本与投影矩阵相乘，通过最近邻法判断样本的类别，完成人脸表情识别任务。本发明不但将DCA算法迁移到人脸表情识别领域，而且根据实际情况，提出了基于DCA的改进算法。实验结果证明了算法的有效性，在JAFFE图像库上最终达到了95.71%的平均识别率。
-
公开(公告)号：CN103186774B
公开(公告)日：2016-03-09
申请号：CN201310091795.7
申请日：2013-03-21
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于半监督学习的多姿态人脸表情识别算法，包括采集n个人的n张正面表情图像和n张侧面表情图像，构成训练集X和测试集S，分割出正面和侧面表情图像的人脸区域，并采用直方图均衡化方法对人脸区域进行光照补偿。然后采用线性判别分析方法提取图像的表情特征，接下来对S中的样本进行表情识别。首先，采用欧式距离最近邻法，利用X中的已标记样本对X中每个未标记样本进行标记。然后，采用循环方式，对X进行重复抽样，得到新的训练集Xr。调用基本分类器利用Xr计算第t次循环时X中每个样本的标记ht，同时利用Xr计算第t次循环时S中每个样本的标记ft。最后，计算基本分类器对训练集中侧面样本的分类错误率εt，并更新X中所有训练样本的权重，直到达到循环结束条件。
-
公开(公告)号：CN102831389B
公开(公告)日：2015-03-11
申请号：CN201210224035.4
申请日：2012-06-28
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于判别分量分析的人脸表情识别方法，具体涉及一种基于改进DCA的人脸表情识别方法，该方法首先按照最大类内距离和最小类间距离的准则获得样本子集；然后计算样本子集的投影矩阵；最后将样本与投影矩阵相乘，通过最近邻法判断样本的类别，完成人脸表情识别任务。本发明不但将DCA算法迁移到人脸表情识别领域，而且根据实际情况，提出了基于DCA的改进算法。实验结果证明了算法的有效性，在JAFFE图像库上最终达到了95.71%的平均识别率。
-
公开(公告)号：CN103186774A
公开(公告)日：2013-07-03
申请号：CN201310091795.7
申请日：2013-03-21
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于半监督学习的多姿态人脸表情识别算法，包括采集n个人的n张正面表情图像和n张侧面表情图像，构成训练集X和测试集S，分割出正面和侧面表情图像的人脸区域，并采用直方图均衡化方法对人脸区域进行光照补偿。然后采用线性判别分析方法提取图像的表情特征，接下来对S中的样本进行表情识别。首先，采用欧式距离最近邻法，利用X中的已标记样本对X中每个未标记样本进行标记。然后，采用循环方式，对X进行重复抽样，得到新的训练集Xr。调用基本分类器利用Xr计算第t次循环时X中每个样本的标记ht，同时利用Xr计算第t次循环时S中每个样本的标记ft。最后，计算基本分类器对训练集中侧面样本的分类错误率εt，并更新X中所有训练样本的权重，直到达到循环结束条件。
-
-
-
Search Results
4
records
(took 0.025 seconds)
