共查询到20条相似文献，搜索用时 468 毫秒
1.
周建华 《西安文理学院学报》2010,(4):71-74
针对视频监控中被部分遮掩脸部图像的还原不准问题,提出了特征点配准形变的三维人脸表情合成算法.将目标人脸图像灰度化后建立三角人脸网络,提取人脸未遮掩部分特征点,与通用模型特征点配准,形变而合成新的网络人脸模型.从正面及侧面分别进行表情纹理映射,根据光照参数、老化参数合成三维正面及侧面人脸表情纹理图像.实验证明,提出的算法相对于同类合成算法,时间复杂度较低,精确度较高,鲁棒性较强,且随特征点被遮掩程度的增大,其优势更明显. 相似文献
2.
梁利亭 《晋城职业技术学院学报》2020,13(2):40-44
传统的课堂教学评价往往效率低下,并带有较强的主观性。针对传统课堂评价中存在的不足,结合深度学习技术,在CNN模型基础上建立起适合课堂场景的人脸检测和表情识别模型,得到比较准确的人脸特征,接着使用朴素贝叶斯分类器对得到的人脸特征进行分类和评价,然后研究面部特征与课堂质量之间的关系,最后建立起基于人脸检测和表情识别的课堂评价规则。实验数据表明,本研究可以作为课堂教学评价的重要参考指标。 相似文献
3.
随着人机交互技术和机器学习技术的发展,人脸表情识别技术逐渐成为研究热点。针对传统人脸表情识别算法鲁棒性差、表情特征提取能力不足的问题,提出一种改进的基于卷积神经网络的人脸表情识别算法。首先对人脸图像进行预处理,检测并分割出人脸关键点的部分图像,然后输入到包含卷积神经网络通道和卷积稀疏自编码(CSAE)预训练通道的双通道模型中。其中卷积神经网络通道部分使用了批量正则化(Batch Normalization)和ReLU激活函数,加快了模型训练速度,解决了梯度消失问题,同时增加了模型的非线性表达能力。通过引入Dropout技术,解决了网络的过拟合问题。在另一个通道,对输入的人脸表情图像增加了卷积稀疏自编码进行无监督预处理。实验结果表明,该算法在JAFFE、CK+人脸表情数据集上均获得了较好的识别效果。 相似文献
4.
5.
为了弥补传统PCA方法在人脸识别时易受光照、表情和姿态影响的缺陷,提出了一种基于独立特征提取的MPCA方法(ModularPCABasedonIndependentFeature,IFMPCA)。首先,选取人脸训练样本中具有相似光照、表情和姿态的图像进行分块,使各个子模块更接近高斯分布;然后,通过求出子模块图像的散布矩阵和最优投影矩阵得到最优独立特征矩阵;最后,利用最小距离分类器进行样本的分类。在Yale人脸数据库上的实验结果表明,IFMPCA算法在人脸正确识别率方面优于传统PCA算法。 相似文献
6.
针对卷积神经网络(Convolutional Neural Network,CNN)在人脸图像识别中面对训练规模较大的图像集数据时收敛速度慢、效率低以及在复杂情况下识别率不高的问题,提出一种优化改进的CNN图像识别方法。该方法首先利用不含标签的图像训练一个稀疏自动编码器,得到符合数据集特性、有较好初始值的滤波器集合,然后对CNN的卷积核初始化赋值,从而大大提高其整体上使用BP算法进行训练的收敛速度,其次使用多类别SVM分类器(Multiclass Support Vector Machine)代替传统的Softmax分类器,对目标图像进行识别,在ORL和FERET等人脸图像库上的实验结果显示,所提算法与采用传统PCA+SVM算法及传统CNN算法相比,在人脸图像识别中有更好的识别效果。 相似文献
7.
介绍了AAM基本理论,提出基于AAM＋PCA＋SVM的人脸表情识别方法.首先获取人脸样本的纹理模型和形状模型,然后利用主成分分析（PCA）建立AAM模型,将该统计模型的AAM应用到人脸特征点定位,对人脸表情进行特征提取,将PCA训练用于识别的支持向量机过程中,并进行分类.实验表明该方法降低了算法的时间复杂度,定位准确率高,同时不影响人脸表情的识别率. 相似文献
8.
9.
张锦华 《赤峰学院学报(自然科学版)》2012,(18):27-29
为了弥补传统MPCA（Modular Pfindpl Component Analysis）方法在人脸识别中忽略子图像之间差异的缺陷,本文提出了一种基于独立特征提取的MPCA方法（Modular PCA Basedon Independent Feature,IFMPCA）．首先选取人脸训练样本中具有相似光照、表情和姿态的图像进行分块,然后将训练样本的子图像和测试样本的子图像进行最优投影,得到子特征矩阵．最后,求得样本间的距离,利用最小距离分类器进行样本的分类．在Yale人脸数据库上的实验结果表明：IFMPCA算法在人脸正确识别率方面优于传统PCA算法． 相似文献
10.
《常熟理工学院学报》2016,(4)
针对智能门禁系统的发展需求,提出了一种基于人脸识别的门禁系统.系统首先通过图像采集设备得到目标图像,然后利用空间转换建立目标图像在新空间下的肤色似然图,进而通过二值化、形态学处理并结合特征过滤实现人脸的定位和提取.提取到人脸图像后,利用主成分分析获得待测人脸与数据库的人脸特征并通过相似度度量实现人脸的识别.实验证明,该系统能够有效的实现人脸定位和识别,能够满足智能门禁系统的基本需求. 相似文献
11.
人脸特征点定位技术为人脸图像处理与分析提供重要几何信息,是计算机视觉、图像分析和模式识别领域经典课题之一。以主动外观模型（AAM）为代表的传统面部特征定位算法易受人脸姿态和表情变化等影响,很难得到理想效果。以传统特征点定位模型为出发点,引入稀疏矩阵表示人脸特征基底,将K-SVD算法更新稀疏矩阵应用于高斯-牛顿形变部件模型（GN-DPM）的基底表示中,对传统形变部件模型进行改进。在此基础上,更新新模型的拟合优化算法,以提高传统形变部件模型的精确度。实验结果表明,采用该方法进行人脸特征点定位比现有的快速主动外观模型（Fast-AAM）具有更低的误差率。 相似文献
12.
针对人脸识别中人脸图像的特征提取问题,提出了一种将全局特征与局部特征相融合的人脸识别方法.全局特征的提取采用主成分分析算法.主动外观模型定位58个特征点,在其中17个特征点处进行Gabor小波变换则可提取局部特征.归一化的全局匹配度(局部匹配度)可由测试图像和训练图像的全局特征(局部特征)得到.对归一化的全局匹配度和局部匹配度进行融合后,融合匹配度最大的训练图像所属的类即为识别结果.实验利用2个人脸图像数据库(AR和SJTU-IP-PR)测试该方法的识别率,结果表明该方法要优于PCA和EBGM,并且在一定的表情、光照和姿态变化的条件下是有效、稳健的. 相似文献
13.
在人脸表情的识别中,动态表情图像包含丰富的信息,应用非常广泛．在动态表情特征的提取中,差图像特征提取是通过基于逆向组合的图像对齐方法实现的,图像对齐方法可以在一定程度上避免差图像特征与几何特征的误差相关性,同时逆向组合又可以保证在不损失图像对齐精度的前提下大大提高运算速度． 相似文献
14.
人脸表情是人类交流的一种重要的沟通方式,面部表情的识别有着广泛的应用领域,主要包括了人脸检测、表情特征提取和表情分类这3个关键环节。介绍了支撑向量机的基本原理,认为因其强大的分类能力,已被成功应用到人脸检测、人脸的姿态估计、人脸识别和语音情感识别中,且实验表明在表情识别方面亦能取得较高的识别率。 相似文献
15.
给出了一种用于固定场景的快速人脸检测方法。在背景差的情况下,利用SHEN滤波进行二值图像并提取出运动目标区域,基于肤色聚类模型对运动目标子图像进行肤色分割,结合椭圆模板检测出人脸区域,进行人脸定位。实验数据表明,该方法对固定场景中的人脸检测具有较好的鲁棒性,对姿态、表情、年龄都有较强的适应性,并具有一定的实时性。 相似文献
16.
人脸表情识别是当前计算机视觉、模式识别、人工智能等领域的热点研究课题。它是智能人机交互技术中的一个重要组成部分,近年来得到广泛的关注,不同领域的研究者提出了许多新方法。本文综述了国内外近年来人脸表情识别技术的最新发展状况,对人脸表情识别系统所涉及到的关键技术:人脸表情特征提取和人脸表情分类,分别做了详细分析和归纳。最后,总结了人脸表情识别的研究现状,并指出了其未来的发展方向。 相似文献
17.
情感与认知加工之间存在着密不可分的联系,学习过程中的情感状态对学习效果有一定的影响。在智慧学习环境中实现学习者情感分析,有利于促进智慧学习的发生。表情作为人类情感表达的主要方式,其中蕴含了大量有关内心情感变化的信息,通过面部表情人们可以推断内心微妙的情感状态。目前,人脸检测技术已经实现了从复杂背景中定位人脸,分类算法也相对成熟,因此表情识别的研究工作主要集中在表情特征提取上,而现有研究基本上都是基于人脸与表情的混合特征进行的识别,这产生了较大的干扰。在表情识别时,理想情况是将个体相关的人脸特征和与个体无关的表情特征相分离。依据心理学家Ekman提出的FACS(面部表情编码系统)构建的智慧学习环境下基于面部表情识别的情感分析框架,通过特征分解将个体特征及表情特征分解到不同的子空间,在表情子空间中进行表情识别,从而排除个体特征对表情识别的干扰。经JAFFE表情库的验证,表情识别结果比较理想,已在三维虚拟学习平台Magic Learning的师生情感交互子系统上实现了基于面部表情的学习者情感识别及情感干预。 相似文献
18.
神经网络具有自学习、记忆、计算以及智能处理等能力,本文应用前向型神经网络做分类器,并阐明了神经网络的分类方法和人脸检测过程,以及结合人体肤色模型实现了在不同环境、不同姿态、不同肤色、不同表情等复杂环境下的人脸检测,同时通过对静态检测的扩展实现了实时的人脸检测.实验表明,该方法具有快速,有效等特点. 相似文献
19.
为实现从单张图片合成连续变化的目标表情,提出一种基于生成对抗网络（GAN）和面部表情编码系统FACS（Facial Action Coding System）的表情合成方法。通过提取面部表情 AU（Action Unit）作为生成表情的一种约束,利用生成对抗算法合成目标表情,这种结合表情编码的合成更具合理性。同时在网络中引入注意力机制,使网络在特征提取阶段更关注表情变化。实验表明,该方法能够克服图像中的光照和背景影响,合成表情具备连续性和真实性。该合成表情方法可应用于数字娱乐、影视制作等领域。 相似文献
20.
彩色人脸鉴别特征抽取及识别 总被引：1，自引：1，他引：0
目前存在的彩色人脸识别方法大多是将彩色图像转换为灰度图像后,采用基于灰度图像的特征抽取与识别算法进行分类识别.本文根据彩色人脸图像的构成特点,对彩色人脸图像的R、G、B三个分量色彩信息进行特征抽取与分析,进而找出适合对彩色人脸图像进行自动识别的鉴别特征.最后,在国际通用的AR标准彩色人脸库中进行了大量实验,验证了本文算法的有效性. 相似文献