本文關(guān)鍵詞： 人臉表情識(shí)別 LBP 支持向量機(jī)(SVM) 主方向　出處：《廊坊師范學(xué)院學(xué)報(bào)(自然科學(xué)版)》2016年04期 　論文類(lèi)型：期刊論文

【摘要】：隨著人工智能和人臉表情識(shí)別技術(shù)的不斷發(fā)展,現(xiàn)有的人臉表情識(shí)別方法取得了不錯(cuò)的效果。但是,對(duì)于存在姿態(tài)變化較大的表情庫(kù),如何提取穩(wěn)健有效的表情特征,仍然是人臉表情識(shí)別需要面對(duì)的問(wèn)題。受尺度不變變換特征的啟發(fā),在塊LBP特征提取中引入主方向信息,使得提取的特征具有一定的旋轉(zhuǎn)不變性,利用投票決策SVM分類(lèi)器最終完成了表情識(shí)別任務(wù)。通過(guò)在公共表情庫(kù)JAFFE和Cohn-Kanade上進(jìn)行實(shí)驗(yàn),平均識(shí)別率均達(dá)到95.5%以上,且時(shí)間性能得以有效提升。
[Abstract]:With the development of artificial intelligence and facial expression recognition technology, the existing facial expression recognition methods have achieved good results. It is still a problem to face in facial expression recognition. Inspired by the invariant transformation of scale, the main direction information is introduced into the feature extraction of block LBP, which makes the extracted feature have a certain rotation invariance. Finally, the SVM classifier of voting decision is used to complete the task of facial expression recognition, and the average recognition rate is over 95.5% through the experiments on JAFFE and Cohn-Kanade, and the performance of time is improved effectively.
【作者單位】： 安徽理工學(xué)校;
【分類(lèi)號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 薛雨麗;毛峽;郭葉;呂善偉;;人機(jī)交互中的人臉表情識(shí)別研究進(jìn)展[J];中國(guó)圖象圖形學(xué)報(bào);2009年05期

相關(guān)碩士學(xué)位論文 前3條

1 鐘思志;人臉面部表情識(shí)別算法研究[D];華東師范大學(xué);2015年

2 顧令飛;基于多類(lèi)LDA的人臉表情識(shí)別研究[D];廈門(mén)大學(xué);2014年

3 李榮崗;人臉表情特征提取與識(shí)別算法研究[D];重慶大學(xué);2010年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 齊興;;結(jié)合主方向和SVM的人臉表情識(shí)別[J];廊坊師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2016年04期

2 劉帥師;陳奇;程曦;;基于SVM與C4.5混合分類(lèi)器的人臉表情識(shí)別[J];長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào);2016年02期

3 羅元;張?zhí)?張毅;;一種改進(jìn)的LDP面部表情特征提取方法[J];半導(dǎo)體光電;2016年01期

4 張昭旭;;CNN深度學(xué)習(xí)模型用于表情特征提取方法探究[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2016年03期

5 嚴(yán)政;潘志庚;;三維人臉表情識(shí)別研究與進(jìn)展[J];杭州師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年01期

6 葉h，

本文編號(hào)：1543986