结合鲁棒PCA特征与随机森林的表情识别方法

摘要：

为提高表情识别的识别率,提出一种鲁棒的PCA特征提取方法,结合随机森林学习方法实现人脸表情的识别.该方法主要包括图像预处理、表情特征提取和表情特征的训练与分类3个部分,其主要创新在于鲁棒的PCA特征提取方法.融合欧氏距离和明氏距离两种距离计算方法求取样本均值,采用梯度下降算法迭代寻找最优的样本中心和投影矩阵,提取适应不同样本的鲁棒PCA特征;在图像预处理阶段提出改进的Gamma校正方法,避免在光照校正时大幅改变图像的整体亮度分布.实验结果表明,该方法对表情的识别率高,运算效率高.

关键词：主成分分析、表情识别、随机森林、Gamma校正、欧氏距离

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61063028

在线出版日期：2018-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：580-584,595