收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于流形学习的人脸表情识别算法研究

李薇  
【摘要】:表情识别是理解情感的基础,是智能化人机交互所要解决的一个重要课题,也是人们探索智能、理解智能的有效途径。由于人脸表情本身的多样性和非线性特点,用线性处理方法很难获得令人满意的识别结果。本文主要对基于流形学习的人脸表情特征提取方法进行了研究,目标是解决监督学习中小样本情况下的识别问题和半监督学习中有标记样本数量有限情况下的识别问题,论文的主要贡献如下: 第一,将基于线的相似度度量(最近特征线)引入流形学习准则,构建基于线的近邻图,提出了模糊局部最近特征线算法(FLNFL)。不同于传统的近邻图,特征线图中的每个“顶点”不是孤立的样本点,而是由同类别的样本点构成的特征线。特征线能够逼近样本间可能出现的变化,等同于模拟出无穷多个特征点,样本集的表示能力便因此增强了。此外,采用模糊方法计算样本的类隶属度和权重矩阵,从而减弱了相似样本之间的混叠,准确的刻画样本的内在关系。实验结果表明FLNFL可以有效的提取人脸表情特征,提高人脸表情识别的准确度。特别是在规模较小的JAFFE表情库上,FLNFL算法的优势更为明显。 第二,分析了最短特征线段分类器的优势和不足,提出了一种新的基于线的相似度度量,称为改进的最短特征线段。该度量方法将最近特征线和最短特征线段相融合,避免了二者的缺点,同时保留了扩大样本表示容量的优势。将这种新的度量方法用于构建邻域图,并结合判别分析的思想提出了图保持最短特征线段算法(GSFLS)。实验证明,相比基于最近特征线度量的特征提取算法,GSFLS提取出的人脸表情特征判别性更强。 第三,传统的基于图的半监督流形算法利用有标记样本挖掘类别结构,大量的无标记样本用于捕获数据集的流形拓扑结构,其潜在的类别信息被忽略了,该信息对获得数据集的判别性结构大有帮助。当有标记样本的数量较少时,得到的对类别结构的刻画是不准确的,导致算法的性能严重退化。为了解决上述问题,提出了概率半监督判别分析算法(PSDA)。该方法构建了类重建误差与类别信息的非线性函数关系,并引入模糊化思想,估计无标记样本的类隶属度。在类隶属度的指导下,大量无标记数据可以辅助标记样本对数据集的分布进行更加准确的描述。实验结果表明这种分配方式更适合表示由于内在的(如混合表情)或外部环境变化造成的类别不确定的表情样本,逼近样本集的内在结构。对于提高人脸表情识别的正确率效果显著。 第四,在PSDA算法的基础上,提出了其流形拓广算法——图嵌入概率判别分析(GPSDA)。首先给出模糊集的相似度定义,用于度量无标记样本的模糊类别信息之间的相似关系。其次,结合类别关系和邻域关系构建监督的邻域图和邻接矩阵。相比已有的半监督流形算法,构建的监督邻域图在挖掘数据集的整体几何结构的同时,提高了算法的判别能力。最后,采用判别分析思想构建目标函数。实验表明,GPSDA对人脸识别和表情识别比其他相关的半监督流形学习方法更加有效,并且对有标记训练样本不足时的识别问题具有一定的鲁棒性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘晓旻;谭华春;章毓晋;;人脸表情识别研究的新进展[J];中国图象图形学报;2006年10期
2 张楠;;人脸表情识别技术研究概述[J];山东轻工业学院学报(自然科学版);2007年04期
3 倪宁;卢刚;;基于视频的人脸表情识别方法研究[J];计算机工程与应用;2008年17期
4 李菊霞;;人脸表情识别方法及展望[J];农业网络信息;2009年02期
5 赵黎;;人脸表情识别与合成系统模型设计[J];微计算机信息;2009年13期
6 薛雨丽;毛峡;郭叶;吕善伟;;人机交互中的人脸表情识别研究进展[J];中国图象图形学报;2009年05期
7 陈俊;;人脸表情识别方法综述[J];中国集体经济;2009年16期
8 陈海峰;;一种基于人脸表情识别的软件自动换肤技术研究[J];微电子学与计算机;2010年02期
9 洪伟铭;;组合方法在人脸表情识别中的应用研究[J];计算机仿真;2011年02期
10 田建华;;一种高性能部分遮挡的人脸表情识别方法[J];电脑知识与技术;2011年08期
11 蒋斌;贾克斌;杨国胜;;人脸表情识别的研究进展[J];计算机科学;2011年04期
12 黄勇;;基于稀疏保留投影的人脸表情识别[J];计算机工程;2011年08期
13 黄勇;;稀疏保留判决分析在人脸表情识别中的应用[J];计算机工程;2011年14期
14 王晓峰;张丽君;;基于拓扑知觉理论的人脸表情识别方法[J];计算机工程;2012年06期
15 宋彩风;刘伟锋;王延江;;基于稀疏学习的人脸表情识别[J];山东科技大学学报(自然科学版);2013年03期
16 唐京海;张有为;;基于动态序列特征的人脸表情识别方法[J];计算机工程与应用;2008年08期
17 周书仁;梁昔明;杨秋芬;刘国英;;类间学习神经网络的人脸表情识别[J];计算机应用研究;2008年07期
18 李斐;陈亚军;;基于混合方法的人脸表情识别研究[J];计算机仿真;2010年08期
19 李烈熊;苏两河;;双层次分类方法下的人脸表情识别[J];福建电脑;2010年10期
20 支瑞聪;阮秋琦;;基于线性判别局部保留映射的人脸表情识别[J];信号处理;2009年02期
中国重要会议论文全文数据库 前10条
1 苏建霞;李凯;林文茹;;人脸表情识别软件的设计[A];第七届全国信息获取与处理学术会议论文集[C];2009年
2 王吉林;;基于神经网络的人脸表情识别研究[A];2006’和谐开发中国西部声学学术交流会论文集[C];2006年
3 邹国锋;王科俊;原蕾;傅桂霞;;人脸表情识别研究新进展[A];第25届中国控制与决策会议论文集[C];2013年
4 吴立平;王金海;崔军;;人脸表情识别在监护系统中的应用与设计[A];天津市生物医学工程学会第三十四届学术年会论文集[C];2014年
5 陈海峰;;一种智能性自动换肤技术研究[A];第三届中国智能计算大会论文集[C];2009年
6 李悦;黄永明;章国宝;刘海彬;;基于角度差和散度均值特征的人脸表情识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
7 朱娅妮;杜加友;;基于多特征融合的人脸表情识别[A];浙江省电子学会2009学术年会论文集[C];2009年
8 何良华;邹采荣;王志平;石光;赵力;;基于DWT-DCT的人脸表情识别[A];第一届中国情感计算及智能交互学术会议论文集[C];2003年
9 朱娅妮;王喆;;基于遗传算法进化的SVM人脸表情识别[A];2009年中国智能自动化会议论文集(第三分册)[C];2009年
10 夏春芬;邹承明;;CUDA共享内存在人脸表情识别中的应用[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
中国博士学位论文全文数据库 前9条
1 何良华;人脸表情识别中若干关键技术的研究[D];东南大学;2005年
2 刘伟锋;人脸表情识别研究[D];中国科学技术大学;2007年
3 王文成;基于局部特征分析的人脸表情识别问题研究[D];山东大学;2011年
4 周书仁;人脸表情识别算法分析与研究[D];中南大学;2009年
5 支瑞聪;基于谱图理论的人脸表情识别算法研究[D];北京交通大学;2010年
6 万川;基于动态序列图像的人脸表情识别系统理论与方法研究[D];吉林大学;2013年
7 岳雷;人脸表情识别新算法研究[D];北京理工大学;2015年
8 李薇;基于流形学习的人脸表情识别算法研究[D];北京交通大学;2015年
9 刘建征;基于肌肉运动的人脸表情识别[D];天津大学;2012年
中国硕士学位论文全文数据库 前10条
1 刘决仕;标准自然教室中的人脸表情识别研究[D];上海交通大学;2009年
2 蒋斌;人脸表情识别若干问题的研究[D];河南大学;2009年
3 曾祥媛;基于谱特征的人脸表情识别算法研究[D];北京交通大学;2009年
4 李超;Microsoft Agent技术在人脸表情识别系统中的应用[D];天津大学;2010年
5 樊引刚;人脸表情识别系统的研究与实现[D];北京交通大学;2011年
6 应伟;动态人脸表情识别技术研究[D];湖南大学;2005年
7 田儆;人脸表情识别的研究及在游戏中应用的探讨[D];太原理工大学;2008年
8 黄明威;基于非线性降维的人脸表情识别若干算法的研究[D];五邑大学;2011年
9 施毅;基于主动外观模型的人脸表情识别研究[D];上海交通大学;2012年
10 周昌俊;学习环境下人脸表情识别系统的研究与开发[D];上海交通大学;2011年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978