基于支持向量機(jī)的表情識(shí)別應(yīng)用研究.pdf_第1頁(yè)
已閱讀1頁(yè)，還剩51頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、近年來，面部表情識(shí)別作為一種新興的生物特征識(shí)別技術(shù)，逐漸成為了國(guó)內(nèi)外模式識(shí)別和人工智能領(lǐng)域關(guān)注的焦點(diǎn)。由于人臉作為柔性體本身的特殊性以及表情變化的多樣性和復(fù)雜性，使得目前表情特征提取和表情特征識(shí)別的技術(shù)還不完善。傳統(tǒng)的基于關(guān)鍵點(diǎn)的表情特征提取方法定位精度不足、魯棒性不高，而基于 Gabor小波的方法雖然分類精度較高，但特征向量維度很大，影響計(jì)算效率。同時(shí)，傳統(tǒng)的特征分類法無法解決表情識(shí)別中的小樣本和非線性問題。因此，本文以表情特征提取和

2、表情特征識(shí)別為研究重點(diǎn)，主要工作如下：
　　①選取了面部的33個(gè)關(guān)鍵點(diǎn)作為表情特征點(diǎn)，并利用Face++關(guān)鍵點(diǎn)檢測(cè)云服務(wù)提高了關(guān)鍵點(diǎn)的檢測(cè)精度。
　　②采用了基于變異系數(shù)的方法提取有效的特征子集作為特征向量。該方法首先通過利用大量訓(xùn)練樣本，對(duì)特征進(jìn)行統(tǒng)計(jì)分析，隨后利用變異系數(shù)對(duì)特征的活躍度進(jìn)行排序，選取“能量”高的特征作為表情特征，降低了特征維度，提高特征選取合理性。
　　③利用Matlab和Face++平臺(tái)，基于支持

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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論