- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于局部二元模式的人脸表情识别①
2011 年 第 20 卷 第 6 期 计 算 机 系 统 应 用
基于局部二元模式的人脸表情识别①
朱晓明,姚明海
(浙江工业大学 信息工程系,杭州 310023)
摘 要:提出了一种基于局部二元模式(LBP)和局部保全投影(LPP)相结合的面部表情识别方法。使用 LBP
算子对图像分块处理,综合人脸局部和整体的特征;再使用 LPP 对表情特征降维,最后采用支持向量机对面部
表情分类。在日本女性人脸表情库上实验表明,本文提出的方法有更好的识别率和更快的识别速度。
关键词:面部表情识别;局部二元模式;局部保全投影;支持向量机
Facial Expression Recognition Based on Local Binary Pattern
ZHU Xiao-Ming, YAO Ming-Hai
(Department of Information Engineering, Zhejiang University of Technology, Hangzhou 310023, China)
Abstract: A method combining Local Binary Pattern(LBP) with Locality Preserving Projections(LPP) was presented for
face expression recognition. First, the algorithm processes facial expression images with LBP operator and integrates
local and global characteristics of the face. Then Locality Preserving Projections(LPP) method is used for feature
dimension reduction and SVM for classification. The algorithm is experimented in Japanese Female Facial Expression
database(JAFFE database). The results show that the proposed algorithm is more effective.
Keywords: facial expression recognition; local binary pattern(LBP); locality preserving projections(LPP); support
vector machine(SVM)
1 引言 要方法有:基于 Gabor 小波,基于活动外观模型(Active
面部表情是人类进行情感交流的重要途径,通过 Appearance Model , AAM) ,基于主成分分析法
表情的交流,人们可以感知对方的情绪变化和情感的 (Principle Component Analysis, PCA),基于局部二元
波动,人们可通过表情准确而微妙地表达出自己的思 模式(Local Binary Pattern,LBP)等。其中,基于 Gabor
想感情,也可通过表情辨认对方的态度和内心世界 小波的方法会产生相当多的冗余信息[2],增加了特征
人脸表情识别是基于视觉信息对脸部的运动以及 降维的难度,不适合建立快速高效的人机交互系统。
脸部特征的形变进行分类,主要包括脸部的检测,脸 基于 AAM 的方法虽然能获得较为可靠的表情特征,
部特征的提取和表情的分类,其中特征提取和分类是 却存在着计算复杂、初始参数难以确定等缺点。
您可能关注的文档
最近下载
- 执业药师继续教育《前列腺癌常见其他治疗进展》习题答案.docx VIP
- 高一作文巧遇(2篇).docx VIP
- 人人峨嵋台地北缘断裂晚第四纪活动性.pdf VIP
- 肺淋巴瘤的影像诊断最全PPT【45页】.pptx VIP
- 血液透析中空气栓塞应急预案.ppt VIP
- 材料力学(刘鸿文主编).pdf VIP
- 2024-2025学年河北省保定市竞秀区北京师大保定实验学校八年级(上)月考数学试卷(9月份)(原卷全解析版).doc VIP
- Toshiba东芝软水机TS10-01 TS15-01 TS20-01用户手册.pdf
- 娄景书(娄景书).doc VIP
- 人教版高中英语新教材必修2单词默写表.docx VIP
文档评论(0)