已閱讀1頁，還剩64頁未讀， 繼續(xù)免費(fèi)閱讀
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)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、本文對基于AU的人臉表情識別的特征提取方法進(jìn)行了研究。特征提取分為圖像預(yù)處理、特征提取和特征選擇三個(gè)模塊。在預(yù)處理模塊，為了提取更多關(guān)鍵特征點(diǎn)，根據(jù)對中西方人臉數(shù)據(jù)的處理分析，提出了分情況綜合使用delaunay三角形插值和薄板樣條插值兩種映射方法的方案。
在特征提取模塊，為了提取有高區(qū)分度的面部特征，本文從時(shí)域和頻域特征、靜態(tài)和動態(tài)特征兩個(gè)角度對主流2D特征提取方法的AU識別性能做出比較和分析。實(shí)驗(yàn)結(jié)果顯示，從時(shí)間復(fù)雜度
2、和識別率兩方面綜合考慮，LBP算子最適合用于實(shí)時(shí)人臉表情識別系統(tǒng)。本文基于LBP算子研究了不同的特征提取尺度和不同的人臉分塊數(shù)目對AU識別率的影響，并根據(jù)實(shí)驗(yàn)結(jié)果對十二個(gè)AU的特點(diǎn)做出分析。
在特征選擇模塊，本文設(shè)計(jì)了一個(gè)基于多尺度LBP的兩層特征選擇的方案。該方案采用以邏輯回歸為弱分類器的AdaBoost算法，將每個(gè)LBP模式視為一個(gè)特征，迭代挑選出有最低錯(cuò)誤率的弱分類器所對應(yīng)的特征，最后為每個(gè)AU選擇出了各自最佳的特征
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(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. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對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自己和他人造成任何形式的傷害或損失。
最新文檔
- 人臉表情特征提取與識別算法研究.pdf
- 人臉表情識別中的特征提取算法研究.pdf
- 人臉表情的特征提取及分類識別研究.pdf
- 基于視覺特征提取的人臉表情識別研究.pdf
- 人臉表情的特征提取和識別算法研究.pdf
- 人臉微表情特征提取算法研究.pdf
- 人臉表情圖像特征提取方法研究與實(shí)現(xiàn).pdf
- 人臉表情識別中特征提取算法的研究與實(shí)現(xiàn).pdf
- 三維人臉表情識別中特征提取算法研究.pdf
- 人臉表情特征提取及層級分類研究.pdf
- 人臉特征提取與識別方法研究.pdf
- 人臉識別中局部特征提取方法研究.pdf
- 人臉識別特征提取的研究.pdf
- 人臉識別與特征提取.pdf
- 人臉特征提取與識別.pdf
- 人臉特征提取方法研究.pdf
- 基于改進(jìn)Gabor小波特征提取的人臉表情識別研究.pdf
- 表情識別中預(yù)處理與人臉特征提取算法的研究.pdf
- 熱紅外人臉識別特征提取方法研究.pdf
- 視頻圖像中人臉檢測與人臉特征提取的研究.pdf
評論
0/150
提交評論