基于特征分类器优化匹配和DBN决策的人脸表情识别.ppt

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