神经网络集成的多表情人脸识别方法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 2010，46(4) 145 飞 神经网络集成的多表情人脸识别方法 茹 U R 1．山西大学 计算机与信息技术学院，太原 030006 2．计算智能与中文信息处理省部共建教育部重点实验室 ，太原 030006 1．SchoolofComputer Information Technology，ShanxiUniversity，Taiyuan 030006，China 2．Key LaboratoryofMinistryofEducation forComputation Intelligence and ChineseInformation Processing，Taiyuan 030006，China E—mail：baixue~i@sxu．edu．en BAI Xue—fei。LIRu．Neuralnetwork ensemble based expression invariantface recognition．Computer Engineering and Ap- plications。2010，46(4)：145-148． Abstract： Neuralnetwork ensemble is applied to expression invariant face recognition．The facialfeaturesused are extracted through two-dimension principalcomponentanalysis．Severalneuralnetworks are trained ofran eigenspace ofdifference expres- sionsrespectively，and theirresuhsare combined with anotherneuralnetwork tOrecognize thetestsets．Experimentalresultsshow thattherecognition accuracyofthe proposed approach isbetterthan individualneuralnetwork． Keywords：neuralnetworkensemble；Two-DimensionPrincipalComponentAnalysis(2DPCA)；faceexpressionrecognition 摘 要：将神经网络集成应用于多表情人脸识别，通过二维主成分分析获得人脸表情特征 ，并为每一表情的特征空间各训练一个 神经网络，利用另一神经网络对其进行集成。实验结果表明，多神经网络集成方法的识别精度高于单一神经网络所获得的结果。 关键词：神经网络集成；二维主成分分析 ；人脸表情iYOi,I DOI：10．3778~．issn．1002—8331．2010．04．047 文章编号：1002—8331(2010)04—0145—04 文献标识码：A 中图分类号：TP391．41 1 引言 Analysis，2DPCA)方法是近几年来发展起来的一种新方法。它 人的面部表情在人与人的交流活动中发挥着重要的作用， 是在主成分分析(PCA)的基础上提出的一种图像特征提取算 在人脸检测和识别中也是一种常用的特征描述子。人脸表情识 法，不需要将图像矩阵变换为相同维数的行向量或列向量，而 别主要研究如何自动、可靠、高效地利用人脸表情所传达的信 是直接根据原始图像矩阵构建图像总方差矩阵，然后用该图像 息。人们对表情识别的研究起源于20世纪70年代，早期主要 总方差矩阵进行主成分分析。由于图像总方差矩阵的维数往往 集中在从心理学和生物学方面进行研究和分析 。Ekman和 远小于原始图像进行变化获得的矩阵，故2DPCA算法能降低计 FrisenI1提出人脸面部表情运动的描述方法——人脸运动编码 算复杂度。因此 ，2DPCA广泛地应用于人脸识别等图像领域。 系统 FACS(FacialActionCodingSystem)，用44个运动单元