基于数据驱动的标签分布方法的面部表情分析
现有的大多数面部表情识别方法都是假定样本中每个人脸表情对应单一的情绪,而后作为分类问题进行解决.但是在实际情况中,一个人脸表情往往是多种不同基础情绪的混合体.因此,具有相似表情的样本在基础情绪层面存在一定的相关性,这种相关性也通常会导致样本的表情标签呈现多样性.也就是说,每个样本的表情状况与潜在的情绪标签分布相关联.为此,提出了一种通过数据进行自适应学习潜在标签分布的方法,不需要任何预先假设的标签分布形式,便可得到每个表情与其相应的多个情绪的关联情况.该方法可得到每个表情所包含情绪的特定描述度以及表情图像到情绪分布的映射.实验结果表明,该方法在表情识别上具有较高准确率,且能够有效地解决人脸表情的分析问题.
面部识别、标签分布、子空间学习、描述度
13
TP181;TP391(自动化基础理论)
The Fundamental Research Funds for the Central Universities of China under Grant No. JUDCF13030
2019-07-25(万方平台首次上网日期,不代表论文的发表时间)
共11页
1185-1195