10.16526/j.cnki.11-4762/tp.2020.02.036
结合LBP特征和深度学习的人脸表情识别
对于人脸表情识别,传统方法是先提取图像特征,再使用机器学习方法进行识别,这种方法不但特征提取过程复杂且泛化能力也差;为了达到更好的人脸表情识别效果,文中提出一种结合特征提取和卷积神经网络的人脸表情识别方法;首先使用基于Haar-like特征的AdaBoost算法对于数据库原始图片进行人脸区域检测,然后提取人脸区域局部二值模式(Local BinaryPatterns,LBP)特征图,将其尺寸归一化后输入到改进的LeNet-5神经网络模型中进行识别;在CK+和JAFFE数据集上采用10折交叉验证方法进行实验,分别为98.19%和96.35%的准确率;实验结果表明该方法与其他主流方法相比在人脸表情识别上有一定的先进性和有效性.
图像处理、LBP特征、人脸检测、卷积神经网络、人脸表情识别
28
TN919.8
中央引导地方科技发展专项资金计划
2020-05-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
174-178