基于局部三值模式與極限學(xué)習(xí)機的微表情識別.pdf_第1頁
已閱讀1頁，還剩58頁未讀， 繼續(xù)免費閱讀

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)，請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、近年來，微表情的研究取得了快速的發(fā)展，微表情識別是人機交互領(lǐng)域的新興課題。微表情是一種非?？焖俚脑噲D隱藏真實感情的表情，持續(xù)時間大約只有1/25秒至1/5秒，表達了六種基本表情。分析微表情，目的是發(fā)現(xiàn)人試圖隱藏的真實情感，能夠廣泛應(yīng)用于臨床、司法、安全等領(lǐng)域，因此對微表情的研究具有非常重要的實際意義。
　　使用計算機對微表情進行分類識別包含很多步驟，其中特征提取和微表情分類是微表情識別的關(guān)鍵技術(shù)。在表情識別領(lǐng)域，局部二值模式(LB

2、P)和局部三值模式(LTP)作為局部紋理描述算子用于特征提取得到了廣泛應(yīng)用，同樣該方法可以拓展到微表情識別領(lǐng)域；極限學(xué)習(xí)機(ELM)作為一種基于單隱層前饋神經(jīng)網(wǎng)絡(luò)的新算法用于對表情特征信息進行分類，具有快速、易操作的優(yōu)點。針對傳統(tǒng)方法識別率低和識別速度慢的缺點，本文首先提出了一種基于平均灰度的局部三值模式(MG-LTP)新算法，結(jié)合圖像的局部紋理信息和全局紋理信息，用于提取表情特征；其次，使用主成份分析法(PCA)對得到的高維數(shù)據(jù)進行降

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。

評論

0/150

提交評論