基于局部纹理asm模型的人脸表情识别

基于局部纹理asm模型的人脸表情识别

ID:15310544

大小:60.00 KB

页数:18页

时间:2018-08-02

基于局部纹理asm模型的人脸表情识别_第1页
基于局部纹理asm模型的人脸表情识别_第2页
基于局部纹理asm模型的人脸表情识别_第3页
基于局部纹理asm模型的人脸表情识别_第4页
基于局部纹理asm模型的人脸表情识别_第5页
资源描述:

《基于局部纹理asm模型的人脸表情识别》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、基于局部纹理ASM模型的人脸表情识别第6卷第3期2011年6月智能系统CAMTransactionsonIntelligentSystemsVoL6No.3Jun.201ldoi:10.3969/j.issn.1673-4785.2011.03.007基于局部纹理ASM模型的人脸表情识别彭程,刘帅师,;0-)11,田彦涛'(1.吉林大学通信工程学院,吉林长春130025;2.吉林大学工程仿生教育部重点实验室,吉林长春130025)摘要:针对主动形状模型(ASM)迭代过程容易陷入局部最优解的不足,提出了一种基于局部纹理模型的改进

2、ASM算法,即EWASM.在局部纹理模型构建中,以每个特征点的中垂线方向搜索其邻域信息以确定最佳匹配位置,对衡量匹配程度的马氏距离加以推广,进而得到改进的扩展加权局部纹理模型,它由中心局部纹理模型,前局部纹理模型和后局部纹理模型共3个子模型加权组成,并对加权参数进行实验优化,使各个特征点之间的联系更加紧密,模型的鲁棒性更好.通过表情识别实验对提出的EWASM算法和传统ASM算法进行对比,选用RBF神经网络分类器进行表情分类,实验结果表明EWASM算法收敛速度更快,识别率也得以提高,并解决了局部最小问题,能更有效地表征表情.关键

3、词:人脸表情识别;主动形状模型;局部纹理模型;RBF神经网络分类器中图分类号:TP391文献标识码:A文章编号:1673-4785(2011)03-0231—08AnactiveshapemodelforfacialexpressionrecognitionbasedonalocaltexturemodelPENGCheng,LIUShuaishi,WANChuan,TIANYantao,.(1.SchoolofCommunicationEngineering,JilinUniversity,Changchun130025,C

4、hina;2.KeyLaboratoryofBionicEngineering(Ji一1inUniversity),MinistryofEducation,Changchun130025,China)Abstract:Animprovedactiveshapemodel(ASM)calledEWASM(expandedweightedASM)basedonalocaltex-turemodelwasproposedbecauseEWASMovercomesthedisadvantagethattheactiveshapemod

5、eliseasytoinvolveinlocaloptimalsolutionintheiterativeprocess.Inthelocaltexturemodel,searchingadjacentinformationofeachlandmarkalongitsperpendicularbisectormadethematchpositionbest.ItimprovedandpromotedMahalanobisdis—tancewhichmeasuredthematchingdegree.Thenthelocalte

6、xturemodelwasextendedtoincludethecenterlocaltexturemodel,forwardlocaltexturemodel,andbackwardlocaltexturemode1.Afterthat,theweightedparameterswereoptimizedexperimentally.Thuseachlandmarkismorecloselyrelatedandthelocaltexturemodelismorero—bust.Finallyfacialexpression

7、recognitionexperimentswereconductedcomparingEWASMwithclassicalASM,andaRBFneuralnetworkwasusedasaclassificationintheexpressionrecognition.ExperimentsshowthattheEWASMalgorithmsolvedthelocalminimumproblemandachievedabetterconvergencerateandrecognitioneffect.Keywords:fa

8、cialexpressionrecognition;activeshapemodel;localtexturemodel;RBFneuralnetworkclassifier人脸表情不仅在人与人的交流中发挥着重要的作用,而且是实现人机交互,使计算机能够更准确地理解人的表情和意

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。