一种用于表情识别的局部判别简

 在判别分量分析算法的基础上,提出了一种针对人脸表情识别任务的局部判别分量分析算法.首先该算法为每个测试样本选取了一组近邻训练样本,获取了训练集的局部样本结构.然后在最大化判别样本子集协方差的同时,最小化样本子集内所有数据的协方差,从而有效地提取了测试样本的表情特征.在多个人脸表情数据库上的实验结果表明,该算法不但提高了判别分量分析算法的表情识别率,而且具有较强的鲁棒性.     

一种同步人脸运动跟踪与表情识别算法

针对单视频动态变化背景下的人脸表情识别问题,提出了一种同步人脸运动跟踪和表情识别算法,并在此基础上构建了一个实时系统.该系统达到了如下目标:首先在粒子滤波框架下结合在线外观模型和柱状几何模型进行人脸三维运动跟踪;接着基于生理知识来提取人脸表情的静态信息;然后基于流形学习来提取人脸表情的动态信息;最后在人脸运动跟踪过程中,结合人脸表情静态信息和动态信息来进行表情识别.实验结果表明,该系统在大姿态和丰富表情下具有较好的综合优势.     

人脸表情识别技术在教学质量分析中的应用

人脸表情识别技术一直以来都是人机交互领域的热门技术、关键技术。近些年来,人脸表情识别在教学质量分析、心理分析得到了广泛关注。特别是教学质量分析,通过对课堂上学生的表情分析,可以得到课堂教学质量、效率等关键信息。要针对课堂上的学生识别人脸表情并进行表情分析,在课堂上所能得到的人脸图像大多是非正面的,为了更好地得到教学质量信息,就要对正面和非正面的人脸图像进行人脸表情识别。鉴于此,文章首先介绍了人脸表情识别技术、表情特征提取和分类方法,然后介绍了非正面人脸表情识别技术以及现有的非正面人脸数据库,最后总结了教学质量分析中人脸表情识别方法的研究现状,并对进一步的教学分析研究和发展方向进行了展望。     

一种具有噪声鲁棒性的人脸表情识别算法研究

为降低噪声对人脸表情识别的影响,首先提出具有人眼视觉特性的各向异性扩散滤波方法,对图像进行滤波预处理;同时采用改进HOG算子提取人脸表情特征。实验结果表明,改进的各向异性扩散滤波算法在滤除噪声的同时能更好地保留表情图像的弱小细节信息,改进HOG算子相比传统特征提取算子可以更准确地描述人脸表情特征。因此,该算法是一种有效的、具有一定噪声鲁棒性的人脸表情识别算法。     

融合人脸局部区域的表情识别

本文提出了一种融合人脸各个局部区域的表情识别方法,首先提取眼睛、鼻子和嘴巴三个局部区域,并对这三个局部区域和整个人脸区域分别进行表情识别,得到四个独立的识别结果,再利用融合策略对四个结果进行决策融合,所提方法在日本女性表情数据库JAFFE库和五邑大学人脸表情数据库CED_ WYU库上进行了广泛的实验,结果表明,通过融合人脸各局部区域的识别结果,表情识别率可以得到显著提高.     

改进ASM和分类树表情识别算法

在现有的人脸表情识别系统中,速度和识别率是最重要的两个衡量标准,为提高人脸表情判别速度和识别率,采用了一种改进了的ASM和分类树表情识别的新方法。首先对传统的ASM的特征点定位过程进行改进,主要用条带法进行局部特征点定位和使用选择性特征点提取算法来提高特征点定位的速度和准确性。用分类树识别算法来改进经典的模板匹配分类法。实验结果表明,在JAFFE人脸表情数据库中进行实验可以获得更好的识别效果。     

一种改进型Dense-HRNet和基尼指数动态加权决策的表情识别算法

针对当前人脸表情识别算法识别精度不高、网络鲁棒性差的缺点,设计了一种改进型Dense HRNet特征提取网络,使用稠密连接机制强化了HRNet中浅层特征与深层特征间的传递和融合方式。同时,提出了一种基于基尼指数动态加权决策算法,根据每一卷积神经网络(Convolutional Neural Network,CNN)支路分类的确定性,为各支路输出动态地赋予权重,提高多路CNN支路融合决策的准确性,解决了由于单路CNN分类不确定性引起的偶然误差。在FER2013数据集和CK+数据集上进行实验,所提方法分类准确率分别达到73.36%和97.59%。     

基于线性判别局部保留映射的人脸表情识别

随着人机交互技术的发展,情感计算成为一个研究热点.局部保留映射(LPP)是一种最优的保持数据集局部结构的一种线性映射,它的特点是保留了样本的局部结构,但是它没有考虑判别信息,从而容易引起类间距离小的类别之间的重叠.本文提出了基于线性判别的局部保留映射(DLPP)算法并将其应用到表情识别问题中.与LPP相比,DLPP的改进之处在于将判别分析的思想引入LPP.同时考虑样本间的相邻关系和模式类之间的相邻关系,从而得到能正确分类的最优投影方向.在Yale人脸库和JAFFE表情库中的一系列表情识别实验结果表明,DLPP对于人脸表情识别更为有效.     

人脸面部表情识别的研究进展

随着信息和计算机技术的飞速发展,人脸面部表情识别技术越来越受到重视.本文综述了近年来人脸面部表情识别的研究进展.首先对面部表情识别技术的研究背景和发展历程作了简单的回顾,然后着重介绍了几种主要的识别方法,并力争从理论上对各种方法进行分析和比较,最后简单地讨论了进一步提高面部表情识别率的难点和必须考虑的几个重要方面,进而展望了人脸面部表情识别技术的发展方向.     

三维面部表情识别技术的研究进展

三维采集设备的快速发展,极大推动了三维数据技术的研究。其中,以三维人脸数据为载体的三维面部表情识别研究成果不断涌现。三维面部表情识别可以极大克服二维识别中的姿态和光照变化等方面问题。对三维表情识别技术进行了系统概括,尤其针对三维表情的关键技术,即对表情特征提取、表情编码分类及表情数据库进行了总结分析,并提出了三维表情识别的研究建议。三维面部表情识别技术在识别率上基本满足要求,但实时性上需要进一步优化。相关内容对该领域的研究具有指导意义。     

人脸表情识别研究进展

随着计算机视觉的发展和人工智能产业的兴起,人脸表情识别技术在人工智能产业有着广泛的应用需求.人脸表情识别在传统机器学习算法下对环境及姿态的改变不具备良好的鲁棒性,而且识别精度也达不到实际应用的要求.计算机和图像处理器等硬件性能的提升,以大数据为核心的深度学习算法得到快速发展,人脸表情识别技术开始趋于在深度学习算法上研究...     

一种基于人脸表情识别的软件自动换肤技术研究

人脸表情识别和软件换肤分别作为人机交互中的智能化和人性化技术得到了深入的研究.文中结合以上两种技术提出了基于人脸表情识别的软件界面自动换肤思想,介绍了一种软件界面自动换肤系统的设计,并讨论了主成分分析检测定位模型.仿真结果证明了该方案的可行性.     

融合局部纹理和形状特征的人脸表情识别

针对局部二值模式(LBP)、中心对称局部二值模式(CS-LBP)和梯度方向直方图(HOG)的不足进行改进,该文提出中心对称局部平滑二值模式(CS-LSBP)和绝对梯度方向直方图(HOAG),并提出一种融合局部纹理特征和局部形状特征的人脸表情识别方法。该方法首先采用CS-LSBP算子和HOAG算子分别提取人脸表情图像的局部纹理特征和局部形状特征,然后使用典型线性分析法(CCA)进行特征融合,最后利用支持向量机(SVM)进行表情分类。在JAFFE人脸表情库和Cohn-Kanade(CK)人脸表情库上的实验结果表明,改进的特征提取方法能更加完整、精确地提取图像的细节信息,基于CCA的特征融合方法能充分发挥特征的表征能力,该文所提人脸表情识别方法取得了较好的分类识别效果。     

人脸表情识别的技术特征及其教育应用场景分析

人脸表情识别技术应用于教育场景的过程中,存在课堂教学表情识别的应用与实践定位不明确、在线教学表情识别的精准度有待于提升、学校生活应用支持度不高与教育大数据隐私等问题,亟待需要深入分析并加以解决。目前,行之有效的解决措施有：人脸表情识别技术识别应用的定位性要明确、精准度要提升、支持度要深入、技术性要适度4个方面。     

基于图像差分法的人脸表情识别

讨论了静态图像表情特征提取方法,提出了一种基于图像差分法的人脸表情识别方法。通过差值图找到特征点,采用特征点拟合的办法找出特征区域的变化,通过Matlab验证了该方法的可行性。     

人脸表情识别技术研究综述

人脸表情识别技术是一个广泛的研究方向,涉及机器学习、图像处理、心理学等诸多领域,应用前景也相当广阔。近年来,随着人工智能等领域的发展和进步,属于情感计算领域的人脸表情识别技术也逐渐成为一个热门的研究方向。人脸表情识别任务一般由获取人脸图像、图像预处理、特征提取、特征分类4部分组成,人脸表情图像一般直接采用相关的数据集获取。首先介绍了人脸表情识别任务中需要进行的图像预处理步骤,以及特征提取和特征分类中的传统研究方法和深度学习方法,最后对人脸表情识别相关的数据集、发展趋势与挑战等进行阐述,并提出对未来的相关研究方法的看法。     

融合局部语义与全局信息的人脸表情识别

人脸表情识别在人机交互等人工智能领域发挥着 重要作用,当前研究忽略了人脸的语 义信息。本 文提出了一种融合局部语义与全局信息的人脸表情识别网络,由两个分支组成:局部语义区 域提取分支 和局部-全局特征融合分支。首先利用人脸解析数据集训练语义分割网络得到人脸语义解析 ,通过迁移训 练的方法得到人脸表情数据集的语义解析。在语义解析中获取对表情识别有意义的区域及其 语义特征, 并将局部语义特征与全局特征融合,构造语义局部特征。最后,融合语义局部特征与全局特 征构成人脸 表情的全局语义复合特征,并通过分类器分为7种基础表情之一。本文同时提出了解冻部分 层训练策略, 该训练策略使语义特征更适用于表情识别,减 少语义信息冗余性。在两个公开数据集JAFFE 和KDEF上 的平均识别准确率分别达到了93.81%和88.78% ,表现优于目前的深度学习方法和传统方法。实验结果证 明了本文提出的融合局部语义和全局信息的网络能够很好地描述表情信息。     

基于人脸表情识别技术

本文提出了新算法:(1)针对光照问题提出了基于GLW算法的SCAE模型,用前者对后者进行训练,以提高网络泛化能力。(2)针对人体姿势变化问题,在上述模型的基础上,引入了ConvMLP层以减少面部姿势。(3)并通过深度对抗叠层卷积自动编码器进行预训练。实验证明所提出的算法的有效性。     

基于局部空间特征引导的表情识别算法

面部表情识别在计算机视觉任务中受到越来越多的关注，由于真实场景中的表情往往包含着大量由姿态、年龄、图像质量、标注等因素带来的噪声，大大增加了类内变化，给表情的分类任务带来了很大的困难。现有的基于此类问题的研究往往聚焦于数据本身，通过对数据进行筛选或者扩大模型接受的数据类型的形式提高识别能力，没有考虑到卷积网络本身对图像特征关注的局限性。针对该问题，提出了一种基于局部空间特征引导的卷积神经网络，对于特征图的某部分像素点进行强调，引导卷积网络的深层特征图能够关注到多个对分类有效的局部面部区域，同时使用对数据重标记的形式抑制由标签错误导致的噪声问题。经过在多个公开的表情识别数据集中测试，并与多个同类方法对比，所提方法具有较好的识别效果。