10.3969/j.issn.1673-629X.2019.02.017
基于多分类模型加权投票法的人脸微笑检测
为了进一步提高人脸微笑检测率并解决微笑检测系统用于训练标签数据不足的问题, 结合人脸图像的纹理和几何特点, 应用了一种基于多分类模型加权投票法的微笑检测方法.在经预处理和直方图均衡化的面部图像上, 利用局部二进制模式 (LBP) 和Gabor小波变换提取局部的、抽象的特征, 同时以人脸特征点检测作为补充, 构建了四种不同的分类模型 (UPN、GPS、AdaBoost和LDA), 分别对人脸图像进行分类检测, 同时结合各模型之间互补和各自对微笑检测的优势, 通过计算权值对各结果进行加权投票, 得到面部图像的最终检测结果.实验结果显示出该方法的有效性, 在公开的GEN-KI-4K人脸数据集上获得了95.8%的微笑检测率, 比单个分类模型的平均检测率提高了10.3%, 与该数据集的最新的微笑检测率相等.
微笑检测、人脸图像、纹理、几何、分类模型、加权投票法
29
TP391(计算技术、计算机技术)
陕西省科技计划重大重点项目2017ZDXM-GY-114
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共6页
81-86