基于非下采样contourlet变换的人脸表情识别算法研究论文

基于非下采样contourlet变换的人脸表情识别算法研究论文

ID:5489900

大小:724.50 KB

页数:11页

时间:2017-12-15

基于非下采样contourlet变换的人脸表情识别算法研究论文_第1页
基于非下采样contourlet变换的人脸表情识别算法研究论文_第2页
基于非下采样contourlet变换的人脸表情识别算法研究论文_第3页
基于非下采样contourlet变换的人脸表情识别算法研究论文_第4页
基于非下采样contourlet变换的人脸表情识别算法研究论文_第5页
资源描述:

《基于非下采样contourlet变换的人脸表情识别算法研究论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于非下采样Contourlet变换的人脸表情识别算法研究贾函龙作者简介:贾函龙(1988-),男,辽宁丹东人,学士,助理实验师,主要研究方向:工业自动化编程、图像处理;王金芳王金芳(1986-),女,河北保定人,硕士,工程师,主要研究方向:图像处理、电子线路设计。黄利飞黄利飞(1988-),男,河南安阳,硕士,工程师,主要研究方向:图像处理。(1辽宁机电职业技术学院,辽宁丹东118000;2燕山大学电气工程学院,秦皇岛0662002;3杭州筹图科技有限公司,杭州310000)摘要:本文研究了非下采样Contourlet变换在人脸表情识别中的应用,并设计了相应的

2、算法流程。首先将人脸表情图像分割为最能表征表情信息的眼睛和嘴巴两个部分,然后利用非下采样Contourlet变换对分割的局部图像进行特征提取,最后使用极限学习机进行分类,并与BP神经网络进行对照实验。研究结果显示,表情分类平均准确率可达86.57%,比BP神经网络的分类方法平均准确率高出7.43%。而在执行速度方面,极限学习机却是BP神经网络的11.09倍,表明了本实验方案的高效性和可行性。关键词:人脸表情识别;非下采样Contourlet变换;极限学习机;BP神经网络中图分类号:文献标识号:Facialexpressionrecognitionbasedont

3、henextsamplingContourlettransformalgorithmresearchJiaHanlong1,WangJinfang2,HuangLifei3(1LiaoningMechatronicsCollege,LiaoningDandong,118000,China;2YanshanUniversity,Qinhuangdao,066200,China;3HangzhouChouTouTechCo.LTD,Hangzhou,310000,China)Abstract:thispaperstudiedthenextsamplingContou

4、rlettransformintheapplicationoffacialexpressionrecognition,andthecorrespondingalgorithmdesignprocess.Facialexpressionoftheimagesegmentationisthemostcanrepresenttheexpressioninformationoftheeyesandthemouthoftwoparts,andthenusethesamplingContourlettransformunderthedivisionoflocalimagef

5、eatureextraction,finallyusingextremelearningmachineforclassification,andcomparedwiththeBPneuralnetworkcontrolexperiment.Theresultsshowedthatexpressionclassificationaccuracycanreach86.57%onaverage,thantheBPneuralnetworkclassificationmethodofaverageaccuracyhigherthan7.43%.Inthespeedofe

6、xecutionmethod,extremelearningmachineis11.09timesthatoftheBPneuralnetworkshowthattheefficiencyandfeasibilityoftheexperimentscheme.Keywords:facialexpressionrecognition;ThenextsamplingContourlettransform;Extremelearningmachine;TheBPneuralnetwork引言人脸表情含有丰富的人体行为信息,可以直观的反应一个人的心理状态。随着人机交互的

7、研究日益得到人们关注,人脸表情识别已经成为模式识别领域一个极具研究意义的分支。目前,应用于表情识别的方法有基于gabor小波特征的方法,基于主动形状模型(ASM)和主动外观模型(AAM)的方法,基于流形的方法等。典型的人脸表情提取主要包括人脸表情的预处理,特征提取与选择和人脸表情分类三个主要步骤。其中,表情特征的提取与选择是人脸表情识别步骤中最关键的一步。如何将人脸表情预处理得到的高维数据进行快速有效的降维,是表情识别系统的核心,也是目前为止最难于有效解决的关键所在。Gabor小波可以提取多尺度、多方向的空间频率特征,在人脸识别和表情识别的应用技术中,已经取得了

8、一定的成绩。Contou

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。