鲁棒局部保持投影的表情识别

针对局部保持投影的流形学习算法对于噪声与异常值的敏感性，提出了一种鲁棒的局部保持投影算法. 其基本出发点是首先对所有数据点进行评估，以获得它们可能成为异常值的信息，然后再将这种信息用于邻域选择与低维嵌套中. 采用鲁棒局部保持投影进行人脸的表示方法，对JAFFE表情数据库进行了实验，结果表明，该方法有效.     

基于局部保持投影的统计不相关复合信息投影

为解决在人脸识别领域的特征提取问题,提出了一种基于局部保持投影(Locality Pre-serving Projections,LPP)的统计不相关复合信息投影(UMIP).该方法是基于线性投影的子空间方法,将原始人脸图像看作是一个矩阵,通过相应的代数方法,抽取得到保持原始样本分布信息的低维子空间信息.在UMIST和Yale标准人脸图像库上的实验结果表明,UMIP算法提高了识别率.     

典型相关分析的局部保持投影算法

针对传统子空间线性分析方法无法准确地描述样本具有的流形结构的问题,依据典型相关分析算法和局部保持投影算法的理论,将两种算法结合起来,提出了限制类别的典型相关分析的局部保持投影算法,该算法通过引入类信息,在区分了样本类信息的基础上,又保持样本类内的局部信息结构,而且还使两组样本间达到最大相关化以及各个特征投影之间具有不相关性,极大地提高了算法的识别率.该算法分别在YALE人脸库和AR人脸库上进行实验,识别率最高可达98％.     

基于局部保持的KNN算法

距离度量对K近邻(KNN)算法分类精度起着重要的作用。传统KNN算法通常采用欧氏距离,但该距离将所有特征的差别平等对待,忽略了数据的局部内在几何结构特征。针对此问题,文章借鉴局部保持投影(LPP)的基本思想,在考虑数据的局部内在几何结构特征基础上,依据类内局部保持散度矩阵构造一种距离度量新方法,利用该距离度量提出一种局部保持K近邻算法。实验结果表明,与采用欧氏距离和传统马氏距离的KNN相比,本算法能够得到更好的分类精度。       

改进双向二维局部保持投影的人脸识别算法

为更好地处理图像小样本问题,且克服二维局部保持投影（2DLPP）算法只能保持数据局部性质的缺陷,通过结合二维主成分分析（2DPCA）和二维线性鉴别分析（2DLDA）的算法特性,提出了一种改进的双向二维局部保持投影的人脸识别算法。首先,引入样本类别信息改进权重矩阵,增强2DLPP算法对样本变化的鲁棒性;其次,提出改进2DLPP+2DPCA、2DLPP+2DLDA两种融合算法并分别用于输入样本图像数据的行、列方向特征提取。在特征选择后得到行、列方向上的最优投影;最后,通过对样本数据进行行、列方向投影,利用最近邻分类器对样本数据进行分类并获得在给定数据集上的识别结果。在人脸数据集ORL、YALE和AR上的实验结果表明,该算法在人脸识别性能上总体优于2DPCA、2DLDA、2DLPP、（2D）2PCA、（2D）2LDA、（2D）2PCALDA和（2D）2LPP-PCA等算法。     

基于改进的有监督无参局部保持投影算法的人脸识别

针对局部保持投影算法的无监督性质和参数选择复杂性问题,提出一种改进的有监督无参数局部保持投影算法(supervised dice parameter-free locality preserving projection, SdPLPP)。SdPLPP算法使用广义Dice系数构建近邻矩阵,有效避免局部保持投影(locality preserving projection algorithm, LPP)算法参数选择调整的问题,采用监督模式对数据进行特征提取。SdPLPP在Iris数据集进行了图像可视化试验,直观分析试验分类后的样本距离值与算法性能的关系,并在ORL, Yale, FERET 3种人脸库上进行试验,通过对人脸数据的特征提取,采用最近邻分类法统计识别率,验证SdPLPP算法的有效性。试验结果表明:在人脸识别率方面, SdPLPP算法优于PCA, ULDA, LPP, SPLPP和EP-SLPP的算法,并优于已提出的其他有监督无参数局部保持投影算法。     

人脸表情识别综述

人类面部表情在安全驾驶、智能监护、人机交互领域都有着广泛应用。随着机器学习的兴起和发展,表情识别也逐渐从传统方法向深度学习过渡。简要地概述了表情识别的研究意义、技术、常见的表情数据库、研究方法,提出了表情识别目前存在的不足并对未来研究方向作出了展望。     

基于动态图像序列的表情识别

为提高表情表述能力, 提出建立组合单帧表情空域特征的表情序列联合特征.在分析Gabor小波的不同方向和尺度组合对表情图像表征能力基础上, 确定采用3个方向和2个尺度的Gabor滤波器组提取单帧表情图像特征, 描述表情动作的空域特征.在此基础上, 组合连续表情图像序列的特征, 建立包含表情动作变化过程的联合特征, 解决了利用表情相关的局部空域和时序变化信息建立表情表述模型问题.利用支持向量机 (SVM) 作为分类器分别在JAFFE静态表情数据库和Binghamton动态表情数据库上进行测试, 结果验证了静态图像采用Gabor+PCA特征比PCA特征更具有效性, 表明利用动态表情序列建立表情特征比用静态表情图像具有更高的表情识别正确率.     

人脸表情识别技术研究概述

人脸表情识别是人机交互中十分复杂和重要的课题。本文叙述了人脸表情的分类、表情的产生原因,并根据人脸表情面部特点进行了分类,重点讲述了人脸表情识别研究内容,提出了人脸表情识别中需要解决的问题。     

表情分析中嘴形的计算机识别

首先建立六曲线嘴部形态模型,并通过亮度均衡、基于HSV表述的图像二值化、外唇线初定与精化、牙齿包络线确定和内唇线认别等一系列步骤和算法,提出嘴部形态模型中各曲线的提取方法。最后采用4阶多项式对上唇外线外的5条唇形曲线进行拟合,并在Matlab下进行了识别实验。结果显示：提出的嘴形识别方法对不同的嘴形具有较高的鲁棒性,唇形曲线识别结果与人工理解结果基本一致。     

基于随机旋转局部保持哈希的图像检索技术

针对基于局部保持投影（locality preserving projection,LPP）的哈希用于图像检索造成图像表征力不强、检索效率低下的问题,融合LPP及主成分分析（principal component analysis,PCA）技术,提出一种随机旋转局部保持哈希的图像检索算法。首先对样本进行PCA降维,对PCA变换矩阵进行随机旋转形成PCA降维矩阵,将原始样本在降维矩阵上进行投影,得到PCA降维样本。为充分利用样本间的相似性结构,对PCA降维样本进行LPP映射,并引入随机矩阵对特征向量进行偏移构造最终编码投影矩阵。再将原始样本投影到编码投影矩阵,得到最终的降维样本;最后对其进行哈希编码,得到有效的二进制编码用于图像检索。算法充分考虑样本间的全局和局部相似性结构,体现了样本间所蕴含的局部和全局信息,把随机旋转应用于PCA降维矩阵,减少了编码之间的量化误差,提高了图像特征的识别能力。分别在3个人脸数据集上进行性能测试实验,并与相关方法进行比较,得到了较好的效果。实验结果表明该方法是有效的。     

基于三维特征点模型的人脸表情识别算法

提出了一种基于三维特征点模型匹配的人脸表情识别算法.首先,以混合树结构建模不同姿态脸部特征组合,实现特征点定位,并建立脸部三维几何特征模型;然后,基于广义普鲁克分析原理对特征点模型进行归一化计算,并建立具有鲁棒性的匹配特征;最后,采用支持向量机实现表情的训练和识别.通过对BU-3DFE数据库中6种脸部表情的测试,表明该算法能够达到很好的识别效果.     

基于改进LBP的人脸表情识别

局部二元模式即LBP(local binary patterns),是一种有效的纹理描述算子,能够很好地提取人脸表情特征信息.针对原始LBP算子仅考虑中心像素点与邻域像素点的灰度差异的问题,对其进行了改进,提出了多重中心化二值模式MLBP(multiple local binary patterns),并将改进后的MLBP算子进行人脸表情识别,通过改进前后在JAFFE人脸库的实验比较,该方法在识别率上取得了较好的效果.     

基于Log-Gabor变换和ADABOOST的人脸表情识别

介绍了为提高因受不同程度光照和形变影响的二维人脸表情图像的识别效率,采用了Log-Gabor小波变换方法对输入二维人脸表情图像进行滤波处理。并采用级联Adaboost方法对二维人脸表情进行识别处理。特别是对于二维人脸表情在受到一定程度形变和光照影响下对其正确识别率依然达到较好的效果,在计算速度上也有所提高。     

基于自适应权值稀疏典型相关分析的人脸表情识别算法

为解决当变量个数较多时,典型相关分析方法不能给出一个稳定模型的问题,提出了一种基于自适应权值的稀疏典型相关分析的人脸表情识别方法.稀疏典型相关分析通过附加一个系数收敛的约束,使基向量中的某些系数收敛为0,因此,就能去掉一些对表情识别没有用处的变量.同时,由于通常的稀疏典型相关分析求解中,稀疏权值的选择是固定值,会产生一些误差,故利用自适应权值的方法来降低在求解稀疏典型向量时产生的误差.在Jaffe和Cohn-Kanade人脸表情数据库上的实验结果,进一步验证了该方法的正确性和有效性.     

小波变换在人脸表情识别研究中的应用

本文基于人脸表情图像的特点展开分析,得出不同表情图像中人脸各五官在形貌性状方面的不同。分析了小波变换这一数学工具在变换并展示图像空间以及频域特性方面的特长,将其应用于人脸表情识别的研究工作中。调试小波变换的参数将不同参数对人脸表情图像的处理结果进行分析并得出结论。