模式识别报告课件.ppt

《模式识别报告课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、文献阅读报告导师：报告人：报告内容一、课题相关信息二、文献解读1、1模式与模式识别模式：所见到的具体事物。模式类：将它们归属的类别。模式识别：利用自动技术，计算机自动地（或人进行少量干涉）把待识别模式分到各自的模式类中。1、2人脸表情识别意义随着计算机技术的发展，智能人机交互技术逐渐成为现代科技的研究热点。面部表情识别作为一个典型的交叉课题，涉及了模式识别、人工智能、图像处理、计算机视觉与图形学、生理学，心理学等多种学科。面部表情识别问题的深入研究和最终解决，对于促进这些学科的成熟和发展有着现实意义，并且有着广泛的应用前景和巨大的市场价值。1、3人脸表情识别系统

2、框图PIEFGnetJAFFE判断输入的图像中是否存在人脸，如果存在人脸则找到人脸在图像的位置，并且将人脸从背景图像中分离出来。方法：人脸轮廓特征、灰度分布特征、模板特征从经过预处理模块处理的图像中提取可以用来识别的特征，将原始图像中的数据映射到特征空间此过程结束后将生成可用于识别的参数，也就是可用于分类识别的分类器根据训练所得的参数完成面部表情的判别工作，给出最后的识别结果，并做出相应的判断。尽可能的去除或减小光照、成像系统、外部环境等等对于待处理图像的干扰，为后续处理提供高质量的图像可以用一个摄像头或者是扫描仪等设备从外界获取图像2、1文献薛雨丽，毛峡，Ca

3、leanuCD，等.遮挡条件下的鲁棒表情识别方法[J].北京航空航天大学学报，2010,36（4）：429-433.简介：薛雨丽(1980-),女,江苏南通人,博士生,YuLi_Xue@ee.buaa.edu.cn.2、2文章总体思路利用RPCA对图像进行重构重构的图像与被识别图像的差值输入到显著检测器找出被遮挡的区域用权值更新的Adaboost分类器对新的待识别图像进行表情识别得到新的待识别图像将找出的遮挡区域用重构图像的相应区域代替;非遮挡区域不动2、3RPCA（鲁棒主成分分析）1）目的：通过线性变换寻找一组最优的单位正交向量基（即主成分）用它们的线性组合重

4、构原样本，并使重构以后的样本和原样本的均方误差最小。2）原理：设输入x为n维的零均值的随机向量。W={w1,w2,⋯,wm}为n×m维的变换矩阵(m0阈值为劣点主成分提取和信号重构4）鲁棒的PCA算法步骤：1

5、)　k=0,设样本集E中“劣点”数L(k)=0,即待处理样本集F=E;2)利用式(4)、(5)对样本集F进行PCA,得到本步估计矩阵W(k);3)由上步的W(k),用式(7)计算原集E中各样本在本步的重构误差4)迭代步数k+1,E中“劣点”样本数L(k+1)=L(k)+1,也就是从样本集E中删除上一步重构误差最大的L(k+1)个样本,并由剩下的样本构成新的待处理样本集F;5)W(k+1)是否满足收敛条件,若满足则迭代结束,否则转第2步。2、4差值图像的显著检测把RPCA重构的图像与原图的差值图像送入显著性检测器,寻找高复杂度的局部区域假设为遮挡区域.将找出的遮挡

6、区域用重构图像的相应区域代替;非遮挡区域不动2、5特征提取类Haar小波特征文献中用的Haar特征2、6Adaboost算法流程2、7创新点RPCA重构的方法文献中用的RPCA重构比PCA重构效果好，但对遮挡的表情识别不是很有效果，并不是主流推崇的方法，而且工作量比较大，重构出来的图像和原图像是有差别的，从而影响了识别率。谢谢