【摘 要】
:
人脸表情识别是一个图像模式分析、模式理解和模式分类的问题,它为模式识别、图像处理、人机交互、人工智能、计算机视觉、神经计算和心理学等众多学科提供了很多的具体问题
论文部分内容阅读
人脸表情识别是一个图像模式分析、模式理解和模式分类的问题,它为模式识别、图像处理、人机交互、人工智能、计算机视觉、神经计算和心理学等众多学科提供了很多的具体问题。本文以粒计算属性约简为基础,提出一种基于粒计算的人脸表情识别的方法,该方法应用HOG进行特征提取,然后利用粒计算相关方法进行降维,最后利用SVM对表情进行分类。首先,利用Zernike矩对人眼进行检查,根据双眼的中心坐标对图像进行预处理,比如图像的旋转、缩放等,然后进一步对表情图像进行灰度归一化。在得到96*112像素的纯表情区域以后对其进行HOG特征提取,将表情图像分成168个8*8像素的block,每个block分成4个4*4像素的cell,每个cell为9个通道直方图,得到6048维的特征向量。然后对于HOG特征维数过大,检测速度过慢的问题提出改进。改进的方法是利用粒计算中的粗糙集相关理论对表情图像分类重要的block进行筛选,并进行重要度排序,达到快速降维的效果,在提高速度的同时也提高检测精度。然后利用SVM方法对其进行训练,对7种表情(高兴、伤心、生气、厌恶、惊讶、恐惧和中性表情)进行分类。最后本文设计并实现了一个人脸表情识别系统,实验结果表明此方法是有效的。
其他文献
随着网络技术的高速发展,网络带宽不断增加,网络协议层出不穷,对于网络安全需求日益明显。在此环境下对网络流量识别和分类提出需求。网络流量识别可以用来监测网络运行情况
肝脏是新陈代谢的重要器官,内部结构非常复杂,分布着多种复杂的管道系统。由于肝内管道的复杂性及人体肝脏的个体差异,肝脏手术往往伴随着巨大的风险。外科医生需要综合肝脏血管
随着微博、Twitter、Facebook等社交网络的发展,人们越来越多地通过社交网络进行信息互动和信息寻求,在状态域中提问已经成为流行的信息寻求行为之一。直接在社交网络中提问不
图像放缩是图像处理、可视化、计算机图形学和虚拟现实等领域的基本问题,应用背景十分广泛。通过图像放缩改变已有图像的大小,并呈现出较好的视觉效果,是图像处理、模拟仿真
随着Internet的迅猛发展和日益普及,网络文本信息急剧增长,如何有效的组织和管理这些海量信息,并能够快速、准确、全面地获得用户所需要的信息是当今信息科学技术领域面临的一大
Web缓存技术被认为是减轻服务器负载、降低网络拥塞的有效途径之一,其基本思想是利用客户访问内容的时间局部性(TemporalLocality)原理,将客户访问过的内容保存在缓存中,当该内
近年来,随着多媒体业务的种类越来越广泛,如网络电视、在线直播、视频会议、远程教学等等,多媒体数据传输已经成为网络中数据传输的重要组成部分,同时,伴随着网络用户的不断
近年来,随着互联网和Web2.0技术的不断完善,各种社交网络服务层出不穷,人们越来越习惯于在在线社交网络平台上进行互动交流和信息发布。社交网络因此成为人类知识共享、交互
本质上,入侵检测是一个模式识别和分类问题。支持向量机(SVM)对不平衡和非线性数据具有独特优势,因而尤其适合入侵检测分类器的设计。基于SVM的入侵检测方法已经取得了良好的效
随着互联网技术的飞速发展,Deep Web网站上拥有着海量的数据,并且在快速地增长,使Web成为一个巨大的数据源,这些信息要通过查询接口在线访问其后端的Web数据库。尽管Deep Web