一种基于人脸关键点提取和稀疏表达分类的表情识别方法.pdf
书生****ma
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于人脸关键点提取和稀疏表达分类的表情识别方法.pdf
本发明公开了一种基于人脸关键点提取和稀疏表达分类的表情识别方法,包括以下步骤:S1.采集人脸表情图像;S2.对采集的人脸表情图像进行预处理;S3.根据预处理得到的图像进行人脸检测和人脸关键点提取,并根据提取的关键点,构建样本的特征向量;S4.采用稀疏表示分类对人脸关键点所对应特征向量进行分类识别。本发明提供的一种基于人脸关键点提取和稀疏表达分类的表情识别方法,不仅可以通过标记人脸器官和脸颊的轮廓,还能实时跟踪这些器官的形变,形变的过程正好可以反映人脸表情,结合稀疏表达分类,有效提高了表情识别的准确性。
基于多级分类的稀疏表征人脸识别方法.pdf
本发明公开了一种基于多级分类的稀疏表征人脸识别方法,主要解决现有人脸识别方法不能有效运用于多类别人脸识别的缺点。其实现过程为:(1)将用于训练的人脸数据库随机分成n个子库,分别对每个子库进行降维,保留降维后的训练人脸数据和对应每个子库的变换矩阵;(2)输入测试人脸图像,利用各子库的变换矩阵对其进行降维,保留降维后的测试人脸数据;(3)用降维后的测试人脸数据与各子库中的训练人脸数据作内积运算,内积最大的前k个子库作为候选子库,使搜索范围缩小到这k个子库中;(4)分别在k个子库中对人脸进行识别,确定测试人脸图
基于稀疏表达和改进的LDA的人脸特征提取方法.pdf
本发明涉及一种人脸识别技术领域,是一种基于稀疏表达和改进的LDA的人脸特征提取方法,包括以下步骤:第一步建立人脸库;第二步将人脸库中的人脸图像均采样为37×30像素的人脸图像;第三步将人脸库内训练库中存储的训练数据路径加载至人脸识别算法中进行训练;第四步,将人脸库内待识别库中存储的待识别人脸图像加载至人脸识别算法中进行识别。本发明采用MOD算法将人脸图像从灰度域变换至稀疏域,将稀疏矩阵作为表达人脸图像的数据源,通过改进的LDA算法将稀疏矩阵变换至子空间,对其降维以提取特征,最后输至分类器分类,因此本发明将
基于稀疏表示和自适应模糊密度的人脸表情识别方法研究的开题报告.docx
基于稀疏表示和自适应模糊密度的人脸表情识别方法研究的开题报告一、研究背景人脸表情识别是计算机视觉领域中的一种重要研究课题。在现实生活中,人们经常会通过观察别人的面部表情来推测其情感状态,因此,人脸表情识别技术也被广泛应用于人类智能交互、情感分析、安防等领域。目前,人脸表情识别技术已经取得了不少进展。传统的基于图像特征的方法(如LBP、HOG等)已经能够在一定程度上完成对静态面部表情的分类。然而,这些方法主要是通过手动选择或设计图像特征来提取面部表情的特征,因此其识别效果受到特征质量和分类器选择的影响较大。
一种基于人脸关键点的面部表情捕捉方法.pdf
本发明公开了一种基于人脸关键点的面部表情捕捉方法,包括以下步骤:1)使用面部表情绑定算法,为选定的3DMM模型绑定表情;2)生成随机3D人脸,并对记录的人脸关键点进行归一化处理,得到归一化关键点集,将表情系数和对应的归一化关键点集组成训练数据集;3)搭建多层感知机模型,并使用梯度下降法进行迭代优化得到表情识别模型;4)对待识别的人脸图像进行关键点检测,筛选出关键点并进行归一化处理,得到归一化后的关键点;5)将归一化后的人脸关键点输入表情识别模型,预测出此时人脸表情的变化程度。本发明的方法,只需可见光摄像头