基于小数据集下的面部表情BN识别方法.pdf
美丽****ka
亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于小数据集下的面部表情BN识别方法.pdf
本发明涉及一种基于小数据集下的面部表情BN识别方法,首先提取面部表情图像的几何特征和HOG特征,经特征融合和归一化等处理构成动作单元(AU)标签样本集,其次构建面部表情识别BN结构,并将定性专家经验转化为BN条件概率之间的约束集合,随后引入目标函数,利用凸优化对最大化形式的目标函数求解,完成面部表情识别BN模型参数的估算,最后利用联合树推理算法识别出面部表情。与现有技术比较,本发明提出的面部表情识别方法可在小规模数据集的条件下大大提高了面部表情识别的精度,可广泛应用于人机交互、安保系统、医疗健康诊断、视频
基于小数据集下的BN参数学习的目标识别方法.pdf
本发明涉及基于小数据集下的BN参数学习的目标识别方法,利用小样本数据集与定性专家经验有机结合,借助凸优化求解来提高BN参数学习精度,从而完成目标识别BN建模,最后利用目标识别BN推理结果来反映目标状态。本发明基于BN理论中学习算法和成熟的推理算法完成目标识别所需的建模和推理任务,充分利用了一些专家经验的等式和不等式约束条件,在一定程度上弥补了数据不足对参数学习精度的影响,又避免了对目标识别过程进行复杂的数学建模,所得识别推理模型具有特征参量少、学习能力强、解释性良好等优点,尤其适用于嘈杂、不确定性、动态的
基于迁移学习技术的面部表情识别方法.pdf
本发明公开了基于迁移学习技术的面部表情识别方法,实时面部数据采集,面部图像识别并截取、灰度化处理、人脸面部LBP特征提取,比较平均脸确定每个测试样本属于的领域,查看模型库是否存在对应的迁移模型,如存在,则将图片文件放入模型中预测,否则继续执行;采用对源域样本采样的迁移学习方法进行模型训练和预测,在目标领域样本不足的情况下,通过目标领域的少量样本来指导源领域样本采样,如判定对了相关数据样本,则对新的样本进行标记,使用被采样保留的源领域数据和目标领域数据一起参与下一轮的监督式机器学习模型的训练,而新训练得到的
面部表情识别方法及装置.pdf
本发明公开了一种面部表情识别方法及装置。该方法包括:对面部图像进行人脸区域检测及关键点定位,获得面部图像的形状;将所述面部图像的形状与预先获得的面部表情类别的平均形状对齐,获得所述面部图像的刚体归一化形状;获取所述刚体归一化形状中面部图像的人脸特征;根据预先训练的表情分类器对面部图像的人脸特征进行表情识别获得表情类别预测结果;对所述表情类别预测结果进行加权投票确定所述面部图像的表情类别。本发明不仅能够减少同类表情的多样性,同时还能够保留不同表情的差异性,具有良好的识别性能。
基于局部特征的面部遮挡表情识别方法研究的中期报告.docx
基于局部特征的面部遮挡表情识别方法研究的中期报告【摘要】面部表情识别是人机交互和情感智能领域的热门研究方向,然而面部遮挡对识别性能有很大影响。本文提出了一种基于局部特征的面部遮挡表情识别方法,该方法分为两个步骤:局部区域提取和表情分类。在局部区域提取阶段,使用了对称区域划分和LBP算法;在表情分类阶段,使用了SVM分类器。实验结果表明,该方法能够有效地识别面部遮挡表情,取得了较好的识别性能。【关键词】面部表情识别,局部特征,面部遮挡,SVM分类器【任务说明】本文是一篇中期报告,主要介绍了基于局部特征的面部