- 1、本文档共40页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
查看更多
多特征多分类器优化匹配的人脸表情识别 最优样本的主成分分析(Optimal Sample-PCA,OS-PCA) 问题:PCA降维后的空间仍带有冗余信息 OS-PCA 样本筛选 多特征多分类器优化匹配的人脸表情识别 实验结果: 基于CK表情库的实验结果 基于JAFFE表情库的实验结果 多特征多分类器优化匹配的人脸表情识别 多特征-多分类器最佳匹配模型(Optimal Matching,OM) 为了弥补单一特征表征人脸的局限性 多人脸特征互补 针对特征与分类器的差异性 特征-分类器优化匹配 自适应决策 输出结果 多特征多分类器优化匹配的人脸表情识别 OM模型框架: 多特征多分类器优化匹配的人脸表情识别 实验设计: 实验设计 运行环境:Windows XP、单核2.0GHz 、2GB内 存,vc6.0 表情库 特征参数 OS-PCA:累积贡献率为95% LBP:分块模式为3 * 3 DCT: 区域大小为14 * 14 JAFFE表情库 CK表情库 多特征多分类器优化匹配的人脸表情识别 实验结果: 特征-分类器组合为:OS-PCA对应朴素贝叶斯、DCT对应SVM、LBP对应SVM,最近邻分类器由于表现欠佳没有被采用。 JAFFE CK 多特征多分类器优化匹配的人脸表情识别 不同模型的实验对比: JAFFE CK 汇报内容 一、绪论 二、人脸表情识别概述 三、多特征多分类器优化匹配的人脸表情识别 四、多特征融合的DBN决策人脸表情识别 五、总结与展望 多特征融合的DBN决策人脸表情识别 DBN模型: 第三章提出的OM模型,虽然能对多个特征与多个分类器可以做出最优的匹配,并且缓解投票决策中存在分歧的问题。但是存在自适应决策时间复杂度过高的不足。 为了降低模型自适应决策的时间复杂度以及能更好地利用样本的时序信息,本章提出基于动态贝叶斯网络的多特征人脸识别模型(DBN模型) 多特征融合的DBN决策人脸表情识别 模型训练过程: 将训练库分为训练子库和测试子库,完成以下两个任务: (1)采用第三章的优化匹配思想,完成模型的特征-分类器的优化匹配工作 (2)针对匹配后的特征-分类器组合,完成每个组合对先验知识的学习 多特征融合的DBN决策人脸表情识别 概率值的计算过程: 基于训练过程学习得到的先验知识,计算粗分类结果C为正确的先验概率值pre 假设样本为C类时,结合先验知识,计算C类样本被正确识别的概率值post Pre与post加权求和,得到最终后验概率值pro 多特征融合的DBN决策人脸表情识别 本章模型框架: 多特征融合的DBN决策人脸表情识别 实验结果: 多种识别模型在JAFFE和CK表情库的实验结果 多特征融合的DBN决策人脸表情识别 实验结果: 不同系数条件下的模型识别率 多特征融合的DBN决策人脸表情识别 实验结果: JAFFE 多特征融合的DBN决策人脸表情识别 实验结果: CK 多特征融合的DBN决策人脸表情识别 自建库样本图像: 生气 悲伤 恐惧 高兴 中性 厌恶 惊讶 多特征融合的DBN决策人脸表情识别 实验结果: 多种识别模型在自建表情库的实验结果 多特征融合的DBN决策人脸表情识别 实验结果: 自建库 多特征融合的DBN决策人脸表情识别 时间复杂度分析: 本章提出的模型的时间复杂度与选择的表情特征无关, 有效地避免了时间复杂度过高的风险。 多种模型的时间复杂分析 汇报内容 一、绪论 二、人脸表情识别概述 三、多特征多分类器优化匹配的人脸表情识别 四、多特征融合的DBN决策人脸表情识别 五、总结与展望 总结与展望 本文工作总结: 1)介绍了人脸表情识别的研究背景、研究意义和研究现状,以及人脸表情识别系统的组成,并且介绍了每个模块的几种常用方法; 2)针对PCA降维过程中的不足,本文提出了基于最优样本的OS-PCA降维方法。为了弥补单一特征表征人脸的不足,提出了多特征-多分类器优化匹配的人脸表情识别模型; 3)了更好提高多粗分类结果的融合效率,本文构造了利用动态贝叶斯网络的多特征人脸识别模型。 总结与展望 研究展望: 面部表情识别研究工作中仍有很多需要突破的方向: 1)提出更有效地去噪音的预处理方法; 2)更高效地完成对特征和分类器优化匹配; 3)建立一个对不同表情库都可以适用的经验信息; 4)即使面部存在遮挡,仍可以适用的表情识别模型。 攻读硕士期间的学术活动及成果情况 Thank you! “ ” “ ” 报告人: 基于特征分类器优化匹配和DBN决策的人脸表情识别 答 辩 人: 指导老师: 汇报内容 一、绪论 二、人脸表情识
您可能关注的文档
- 互联网+我智慧照明.pdf
- 第九章集成运算放大器与其应用.pdf
- 互联网大数据时代品牌数字聆听(互联网品牌营销策划提升方案).pdf
- 第六章 振幅调制解调与混频.ppt
- 第六章信号干扰与其抑制.ppt
- 机电商品归类方法与技巧--温朝柱.pdf
- 机械安全技术2-2机械安全设计主要内容.ppt
- 机械安全标准与风险评估.ppt
- 机械设计第4章摩擦磨损与润滑概述.pdf
- 基于CAN智能照明控制系统.doc
- 山东省临沂市沂水县2023-2024学年高一下学期期中考试历史试题.docx
- 江苏省泰州市靖江高级中学2023-2024学年高二下学期4月期中考试物理试题(无答案).docx
- 新疆部分名校2023-2024学年高二下学期期中联合考试语文试题.docx
- 湖南省岳阳市岳阳县第一中学2023-2024学年高三下学期4月期中考试数学试题.docx
- 山东省烟台市2023-2024学年高二下学期4月期中生物试题(无答案).docx
- 江苏省靖江高级中学2023-2024学年高二下学期期中地理试题(无答案).docx
- 四川省甘孜藏族自治州某重点中学2023-2024学年高一下学期4月期中考试物理试题.docx
- 湖北省武汉市华中师范大学第一附属中学2023-2024学年高二下学期4月期中英语试题(无答案).docx
- 四川省成都市金牛区成都市实验外国语学校2024年高三三模考试生物试题.docx
- 浙江省宁波市北仑中学2023-2024学年高二下学期期中考试物理试题.docx
1亿VIP精品文档
相关文档
最近下载
- 专题08名著(4) 《海底两万里》-三年(2021-2023)中考语文真题分项汇编(全国).docx VIP
- 中考物理多选题汇总(含答案).pdf
- 四足机器人结构设计及动力学仿真1.pdf
- 2023年05月青岛市黄岛区人力资源有限公司公开招聘相关人员笔试历年难易错点考题含答案带详细解析.docx
- 武汉东湖高新东湖高新区区2020-2021学年度下学期期中质量监测及答案.docx VIP
- 《建筑施工扣件式钢管脚手架安全技术标准》 TCECS 699-2020.pdf
- 二次根式计算精选100题(含答案,word可编辑).docx
- genie高空作业车 S-40操作手册 英文 .pdf
- 股份解除合同协议.docx
- 《机械伤害》课件.pptx VIP
文档评论(0)