计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2008年
22期
5798-5801
,共4页
细微表情识别%分类树%Gabor小波变换%离散余弦变换%主动表观模型%隐马尔可夫模型
細微錶情識彆%分類樹%Gabor小波變換%離散餘絃變換%主動錶觀模型%隱馬爾可伕模型
세미표정식별%분류수%Gabor소파변환%리산여현변환%주동표관모형%은마이가부모형
目前多数人脸表情识别的研究仅限于6种基本表情,未考虑到人脸表情变化是细微的.因此提出了基于混合特征和分类树的细微表情识别方法.对眼睛区域采用Gabor小波变换提取纹理变化特征,对鼻子区域采用2D-DCT提取纹理变化特征,而对嘴巴区域采用改进的AAM提取形状变化特征.分类识别时,将易混淆表情先归为一类进行表情的粗分类,然后对类内的表情选择相应表情贡献较大的特征子区域中的特征,进行表情细分类.在每级分类识别过程中,对每个区域采用离散HMM得出表情概率,最后采用在训练阶段得到的贡献权值进行加权融合得到分类结果.实验结果表明,该方法能够得到较好的识别效果,且处理速度快,适合于实时图像序列的细微表情识别.
目前多數人臉錶情識彆的研究僅限于6種基本錶情,未攷慮到人臉錶情變化是細微的.因此提齣瞭基于混閤特徵和分類樹的細微錶情識彆方法.對眼睛區域採用Gabor小波變換提取紋理變化特徵,對鼻子區域採用2D-DCT提取紋理變化特徵,而對嘴巴區域採用改進的AAM提取形狀變化特徵.分類識彆時,將易混淆錶情先歸為一類進行錶情的粗分類,然後對類內的錶情選擇相應錶情貢獻較大的特徵子區域中的特徵,進行錶情細分類.在每級分類識彆過程中,對每箇區域採用離散HMM得齣錶情概率,最後採用在訓練階段得到的貢獻權值進行加權融閤得到分類結果.實驗結果錶明,該方法能夠得到較好的識彆效果,且處理速度快,適閤于實時圖像序列的細微錶情識彆.
목전다수인검표정식별적연구부한우6충기본표정,미고필도인검표정변화시세미적.인차제출료기우혼합특정화분류수적세미표정식별방법.대안정구역채용Gabor소파변환제취문리변화특정,대비자구역채용2D-DCT제취문리변화특정,이대취파구역채용개진적AAM제취형상변화특정.분류식별시,장역혼효표정선귀위일류진행표정적조분류,연후대류내적표정선택상응표정공헌교대적특정자구역중적특정,진행표정세분류.재매급분류식별과정중,대매개구역채용리산HMM득출표정개솔,최후채용재훈련계단득도적공헌권치진행가권융합득도분류결과.실험결과표명,해방법능구득도교호적식별효과,차처리속도쾌,괄합우실시도상서렬적세미표정식별.
