计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2015年
3期
783-786,796
,共5页
主动形状模型%差分纹理%局部方向模式%DS证据理论
主動形狀模型%差分紋理%跼部方嚮模式%DS證據理論
주동형상모형%차분문리%국부방향모식%DS증거이론
Active Shape Model (ASM)%differential texture%Local Directional Pattern (LDP)%Dempster-Shafer (DS) evidence theory
针对人脸表情识别背景复杂性以及表情识别的鲁棒性问题,基于Dempster-Shafer(DS)证据理论,提出了一种融合主动形状模型(ASM)差分纹理特征和局部方向模式(LDP)特征的人脸表情识别方法.ASM差分纹理既能有效地屏蔽个体人脸之间的差异,又能保留人脸表情信息.LDP特征通过计算8个方向的边缘响应来对图像进行编码,因此具有很强的抗噪能力,能够捕捉人脸因表情而产生的细微变化.在DS证据理论融合时,针对不同的特征对表情的识别率,分别用不同的权重系数来计算概率分配值.通过对JAFFE和Cohn-Kanade混合数据库进行实验,表情识别的平均识别率为97.08％,比单特征LDP高出一个百分点,有效地提高了表情识别率和鲁棒性.
針對人臉錶情識彆揹景複雜性以及錶情識彆的魯棒性問題,基于Dempster-Shafer(DS)證據理論,提齣瞭一種融閤主動形狀模型(ASM)差分紋理特徵和跼部方嚮模式(LDP)特徵的人臉錶情識彆方法.ASM差分紋理既能有效地屏蔽箇體人臉之間的差異,又能保留人臉錶情信息.LDP特徵通過計算8箇方嚮的邊緣響應來對圖像進行編碼,因此具有很彊的抗譟能力,能夠捕捉人臉因錶情而產生的細微變化.在DS證據理論融閤時,針對不同的特徵對錶情的識彆率,分彆用不同的權重繫數來計算概率分配值.通過對JAFFE和Cohn-Kanade混閤數據庫進行實驗,錶情識彆的平均識彆率為97.08％,比單特徵LDP高齣一箇百分點,有效地提高瞭錶情識彆率和魯棒性.
침대인검표정식별배경복잡성이급표정식별적로봉성문제,기우Dempster-Shafer(DS)증거이론,제출료일충융합주동형상모형(ASM)차분문리특정화국부방향모식(LDP)특정적인검표정식별방법.ASM차분문리기능유효지병폐개체인검지간적차이,우능보류인검표정신식.LDP특정통과계산8개방향적변연향응래대도상진행편마,인차구유흔강적항조능력,능구포착인검인표정이산생적세미변화.재DS증거이론융합시,침대불동적특정대표정적식별솔,분별용불동적권중계수래계산개솔분배치.통과대JAFFE화Cohn-Kanade혼합수거고진행실험,표정식별적평균식별솔위97.08％,비단특정LDP고출일개백분점,유효지제고료표정식별솔화로봉성.
