-
题名结合鲁棒PCA特征与随机森林的表情识别方法
被引量：2
- 1
-
-
作者
欧中亚
山田宏尚
-
机构
河南经贸职业学院信息管理系
日本岐阜大学工学研究科机械系统
-
出处
《计算机工程与设计》
北大核心
2018年第2期580-584,595,共6页
-
基金
国家自然科学基金项目(61063028)
-
文摘
为提高表情识别的识别率,提出一种鲁棒的PCA特征提取方法,结合随机森林学习方法实现人脸表情的识别。该方法主要包括图像预处理、表情特征提取和表情特征的训练与分类3个部分,其主要创新在于鲁棒的PCA特征提取方法。融合欧氏距离和明氏距离两种距离计算方法求取样本均值,采用梯度下降算法迭代寻找最优的样本中心和投影矩阵,提取适应不同样本的鲁棒PCA特征;在图像预处理阶段提出改进的Gamma校正方法,避免在光照校正时大幅改变图像的整体亮度分布。实验结果表明,该方法对表情的识别率高,运算效率高。
-
关键词
主成分分析
表情识别
随机森林
GAMMA校正
欧氏距离
-
Keywords
principal components analysis
facial expression recognition
random forest
Gamma correction
Euclidean distance
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
