计算机科学 ›› 2009, Vol. 36 ›› Issue (5): 262-264.
• • 上一篇 下一篇
出版日期:
发布日期:
基金资助:
Online:
Published:
摘要： 对人脸表情图像进行分割得到眉区、眼区和嘴部区域，再对分割出来的表情区域利用高维局部自相关（HLAC）计算特征并得到加权的特征向量，其中加权系数根据心理学中的FACS表情测量理论选取，最后利用近邻中心距离分类器进行表情识别。实验基于CMU-PITTSBURGH表情图像库，在没有增大计算量的前提下相比PCA方法，特征融合（HLAC＋WPCA）的方法显著地提高了表情的识别率。
关键词: 表情识别 特征融合 高维局部自相关 加权主元分析
Abstract: The facial expression image were segmented to form the eyebrows, eyes and mouth areas, and these areas were computed with Higher-order Local Auto-Correlations method, through which the Weighted Principal Component Analysis values of these areas were obtai
Key words: Facial expression recognition, Feature fusion, Higher-order local auto-correlations （HLAC）,Weighted principal component analysis （WPCA）
. 一种特征融合算法的表情识别[J]. 计算机科学, 2009, 36(5): 262-264. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2009/V36/I5/262
Cited
首页