-
公开(公告)号：CN104408440B
公开(公告)日：2017-10-17
申请号：CN201410756812.9
申请日：2014-12-10
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于两步降维和并行特征融合的人脸表情识别方法，采用两步降维：首先，利用主成分分析法（PCA）分别对待融合的两类人脸表情特征在实数域内进行第一次降维，然后将降维后的特征在酉空间内进行并行特征融合；其次，提出一种基于酉空间的混合判别分析方法（HDA）作为酉空间的特征降维方法，通过对人脸表情分别提取局部二值模式（LBP）和Gabor小波两类特征，并结合上述两步降维框架，最后采用支持向量机（SVM）进行分类和训练。所述方法能够有效降低并行融合特征的维数，同时实现对于六种人脸基本表情的识别并有效提高了识别率。本方法能够避免采用串行特征融合及单特征表情识别方法中所存在的种种弊端，并能被广泛应用于公共场合安全视频监控、车辆安全驾驶监控、心理学研究、医疗监控等模式识别领域。
-
公开(公告)号：CN104408440A
公开(公告)日：2015-03-11
申请号：CN201410756812.9
申请日：2014-12-10
Applicant: 重庆邮电大学
CPC classification number: G06K9/00221 , G06K9/6269
Abstract: 本发明请求保护一种基于两步降维和并行特征融合的人脸表情识别方法，采用两步降维：首先，利用主成分分析法（PCA）分别对待融合的两类人脸表情特征在实数域内进行第一次降维，然后将降维后的特征在酉空间内进行并行特征融合；其次，提出一种基于酉空间的混合判别分析方法（HDA）作为酉空间的特征降维方法，通过对人脸表情分别提取局部二值模式（LBP）和Gabor小波两类特征，并结合上述两步降维框架，最后采用支持向量机（SVM）进行分类和训练。所述方法能够有效降低并行融合特征的维数，同时实现对于六种人脸基本表情的识别并有效提高了识别率。本方法能够避免采用串行特征融合及单特征表情识别方法中所存在的种种弊端，并能被广泛应用于公共场合安全视频监控、车辆安全驾驶监控、心理学研究、医疗监控等模式识别领域。
-
Search Results
2
records
(took 0.024 seconds)
