| 一种基于两步降维和并行特征融合的表情识别方法 |
| |
| 作者姓名： | 杨勇 蔡舒博 |
| |
| 作者单位： | 1. 重庆邮电大学计算智能重庆市重点实验室,重庆400065;韩国仁荷大学情报通信工学部,仁川402751;2. 重庆邮电大学计算智能重庆市重点实验室,重庆,400065 |
| |
| 基金项目： | 韩国科学与信息科技未来规划部2013年ICT研发项目（10039149);重庆市自然科学基金（CSTC,2007BB2445) |
| |
| 摘 要： | 在采用特征融合方法进行人脸表情识别时,通常会产生高维特征问题.针对这一问题,提出一种基于两步降维和并行特征融合的表情识别新方法.利用主成分分析法(principal component analysis,PCA)分别对待融合的两类特征在实数域进行第一次降维,将降维后的特征进行并行特征融合;为了解决在并行融合过程中产生的高维复特征问题,提出一种基于酉空间的混合判别分析方法(unitary-space hybrid discriminant analysis,unitary-space HDA)作为酉空间的特征降维方法.该方法是实数域混合判别分析法在酉空间内的扩展,并兼顾了复特征数据的类间判别信息及全局描述信息.对局部二值模式(local binary pattern,LBP)和Gabor小波特征进行融合,并在JAFFE和CK+表情数据集上开展对比实验.实验结果表明,该方法具有较好的高维复特征数据降维能力,并且有效提高了表情识别率.
|
| 关 键 词： | 人脸表情识别 两步降维 并行特征融合 主成分分析法 酉空间混合判别分析法 |
| 收稿时间： | 2014-09-25 |
| 修稿时间： | 2015-03-06 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《重庆邮电大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《重庆邮电大学学报(自然科学版)》下载免费的PDF全文 |
|
