基于卷积神经网络局部特征融合的人脸表情识别
为提高人脸表情分类的识别率和实时性,提出一种基于卷积神经网络(CNN)局部特征融合的人脸表情识别方法.首先,构建CNN模型,学习眼睛、眉毛、嘴巴3个局部区域的局部特征;然后,将局部特征送入到支持向量机(SVM)多分类器中获取各类特征的后验概率;最后,通过粒子群寻优算法优化各特征的最优融合权值,实现正确率最优的决策级融合,完成表情分类.实验表明,本文方法在CK+和JAFFE数据库的平均识别率分别达到了94.56%和97.08%,与其他识别方法相比,本文方法性能优越,能提高算法的识别率和稳健性,同时保证了算法的实时性.
机器视觉、表情识别、卷积神经网络、决策融合
57
TP391.41(计算技术、计算机技术)
安徽省高校自然科学重点研究项目;安徽新华学院校级重点科研项目;安徽新华学院校级重点科研项目;安徽省质量工程建设项目
2020-05-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
330-337