鲁棒的正则化编码随机遮挡表情识别

摘要：

为了提高随机遮挡下人脸表情的识别率,提出一种新的人脸表示模型,即鲁棒的正则化编码,通过正则回归系数对给定信号进行鲁棒回归.首先,为了减少遮挡对人脸表情识别系统的影响,待识别表情图像的每个像素点将被分配不同的权重;然后,由于被遮挡部分像素点应分配较小的值,通过连续迭代直到权重收敛于设定的权重阈值;最后,待测图像的稀疏表示将通过最优权重矩阵计算,且待测表情图像分类结果由训练样本逼近待测图像的最小残差决定.应用该方法在日本的JAFFE表情数据库和Cohn-Kanade数据库上取得较理想的结果,且实验结果表明该方法对随机遮挡表情识别具有鲁棒性.

关键词：随机遮挡、正则化编码、自动更新权重、表情识别

所属期刊栏目：13

分类号：TP391.4(计算技术、计算机技术)

资助基金：吉林省教育厅"十三五"科学技术项目JJKH20170571KJ

在线出版日期：2018-04-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：261-268