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、隨著人臉識別的盛行,越來越多人開始關注計算機對人臉表情的識別。而這其中人臉檢測與特征提取在模式識別領域中占著重要的地位。目前針對表情識別中的人臉檢測和特征提取涌現(xiàn)大量經(jīng)典算法,有基于線性與非線性特征提取算法。其中局部二值模式得到較多的關注與研究。
該論文主要的工作核心與方向概括為以下三個方面:
針對傳統(tǒng)的Adaboost算法只關注分類錯誤率最小的問題,提出了基于LBP和代價敏感Adaboost相結合的人臉檢測方法。在
2、現(xiàn)有AdaBoost基礎上,對Adaboost算法加入敏感代價學習模型。首先對人臉圖像進行LBP特征提取,然后在訓練分類器階段引入代價敏感學習,對于數(shù)據(jù)集上的不同類別樣本根據(jù)錯分后造成的代價大小不同來更新樣本權值,改進后的算法由關注分類錯誤率最小轉而關注分類代價最小。
針對中心對稱局部二值模式(CS-LBP)算法在特征提取時水平對稱分量會對圖像識別帶來負面影響的問題,提出了增強中心對稱局部二值模式(Enhanced Cente
3、r-Symmetric Local Binary Pattern,ECS-LBP)和嵌入式隱馬爾可夫模型(Embedded Hidden Markov Model,EHMM)相結合的表情識別算法。首先提高圖像沿對角方向分量的優(yōu)先級,然后降低水平分量對圖像的負面影響,最后與嵌入式隱馬爾可夫模型相結合進行人臉表情識別。通過在CK人臉庫和JAFFE人臉庫上進行實驗,結果表明該算法的表情識別率明顯高出其他的局部二值模式算法的識別率。
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(wǎng)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(jīng)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LBP特征的人臉表情分析.pdf
- 基于LBP-Gabor特征融合的LDA人臉表情識別.pdf
- 基于改進LBP的人臉表情識別方法.pdf
- 基于特征融合的人臉表情識別技術的研究.pdf
- 基于HOG-LBP特征的人臉識別.pdf
- 基于lbp的人臉識別
- 基于非對稱局部梯度編碼及多特征融合的人臉表情識別.pdf
- 基于LBP特征的人臉識別算法研究.pdf
- 基于LBP特征的人臉識別算法改進研究.pdf
- 多特征融合人臉表情識別方法研究.pdf
- 全局和局部特征融合的人臉表情識別研究.pdf
- 基于MLBP-TOP與光流多特征的人臉表情融合識別研究.pdf
- 基于多特征融合的人臉識別算法研究.pdf
- 基于SIFT特征的人臉表情識別研究.pdf
- 基于整體識別和局部識別融合的人臉表情識別.pdf
- 基于改進LBP特征的人臉識別系統(tǒng).pdf
- 基于混合特征融合和離散HMM的人臉表情識別研究.pdf
- 基于LBP統(tǒng)計特征的人臉識別方法研究.pdf
- 基于特征融合的人臉識別.pdf
- 基于LBP特征的人臉識別算法研究與應用.pdf
評論
0/150
提交評論