

版權(quán)說(shuō)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、人臉面部表情能夠從側(cè)面展現(xiàn)人心里狀態(tài),體現(xiàn)出人的行為信息,為我們研究人的心里活動(dòng)提供了可靠的依據(jù),人臉表情識(shí)別是建立在人臉面部豐富感情信息基礎(chǔ)上發(fā)展起了的一門學(xué)科。
目前用于人臉表情識(shí)別主要的方法有:歐式距離、支持向量機(jī)(SVM)、神經(jīng)網(wǎng)絡(luò)(NN)、隱馬爾科夫(HMM)、Adaboost和線性判別分析(LDA)等等。
Adaboost算法由于具有速度快、檢測(cè)率高等優(yōu)點(diǎn),已被成功地應(yīng)用在人臉檢測(cè)領(lǐng)域,由于人臉表
2、情變化絕大部分存在于眼睛和嘴巴上,基于此本文把眼睛和嘴巴看成獨(dú)立的特征要素,利用Adaboost多表情分類算法對(duì)這些特征分別進(jìn)行訓(xùn)練、提取與分類,再把眼睛和嘴巴的分類結(jié)果進(jìn)行與運(yùn)算,獲得最終的人臉表情識(shí)別結(jié)果,這種方法可以大大減少冗余,降低訓(xùn)練的時(shí)間,提高閾值訓(xùn)練速度。但要把Adaboost算法用于人臉的多表情識(shí)別分類中,關(guān)鍵的問(wèn)題是準(zhǔn)確快速地訓(xùn)練出弱分類器閩值。特征訓(xùn)練是弱分類器閾值計(jì)算最關(guān)鍵的部分,而傳統(tǒng)的訓(xùn)練樣本是任意含有人臉表情
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(méi)有圖紙預(yù)覽就沒(méi)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
- 基于Gabor特征和Adaboost算法的人臉表情識(shí)別研究.pdf
- 基于HCBP及特征選擇AdaBoost的人臉表情識(shí)別研究.pdf
- 基于局部紋理特征和HMM的人臉表情識(shí)別研究.pdf
- 基于AdaBoost與SVM的人臉表情識(shí)別研究.pdf
- 基于局部特征分析的人臉表情識(shí)別問(wèn)題研究.pdf
- 全局和局部特征融合的人臉表情識(shí)別研究.pdf
- 基于局部二值模式的人臉識(shí)別和表情識(shí)別研究.pdf
- 結(jié)合分層LBP和改進(jìn)Adaboost的人臉表情識(shí)別.pdf
- 基于SIFT特征的人臉表情識(shí)別研究.pdf
- 基于整體識(shí)別和局部識(shí)別融合的人臉表情識(shí)別.pdf
- 基于局部特征的人臉識(shí)別.pdf
- 基于動(dòng)態(tài)紋理特征的人臉表情識(shí)別研究
- 基于標(biāo)準(zhǔn)模型特征的人臉表情識(shí)別研究.pdf
- 基于組合特征的人臉表情識(shí)別算法研究.pdf
- 基于局部和全局特征融合的人臉識(shí)別研究.pdf
- 基于紋理和幾何特征的人臉表情識(shí)別算法研究.pdf
- 基于Gabor和Adaboost的人臉識(shí)別算法研究.pdf
- 基于局部二元模式的人臉表情識(shí)別.pdf
- 基于Gabor特征的人臉表情識(shí)別算法研究.pdf
- 基于HOG特征的人臉表情識(shí)別算法研究.pdf
評(píng)論
0/150
提交評(píng)論