資源描述：
《基于非下采樣contourlet變換的人臉表情識別算法研究論文》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于非下采樣Contourlet變換的人臉表情識別算法研究賈函龍作者簡介：賈函龍(1988-),男,遼寧丹東人,學(xué)士,助理實驗師,主要研究方向:工業(yè)自動化編程、圖像處理;王金芳王金芳(1986-),女,河北保定人,碩士,工程師,主要研究方向:圖像處理、電子線路設(shè)計。黃利飛黃利飛(1988-),男,河南安陽,碩士,工程師,主要研究方向:圖像處理。(1遼寧機電職業(yè)技術(shù)學(xué)院，遼寧丹東118000；2燕山大學(xué)電氣工程學(xué)院，秦皇島0662002；3杭州籌圖科技有限公司，杭州310000)摘要：本文研究了非下采樣Contourlet變換在人臉表情識別中的應(yīng)用，并設(shè)計了相應(yīng)的
2、算法流程。首先將人臉表情圖像分割為最能表征表情信息的眼睛和嘴巴兩個部分，然后利用非下采樣Contourlet變換對分割的局部圖像進行特征提取，最后使用極限學(xué)習(xí)機進行分類，并與BP神經(jīng)網(wǎng)絡(luò)進行對照實驗。研究結(jié)果顯示，表情分類平均準(zhǔn)確率可達86.57%，比BP神經(jīng)網(wǎng)絡(luò)的分類方法平均準(zhǔn)確率高出7.43%。而在執(zhí)行速度方面，極限學(xué)習(xí)機卻是BP神經(jīng)網(wǎng)絡(luò)的11.09倍，表明了本實驗方案的高效性和可行性。關(guān)鍵詞：人臉表情識別；非下采樣Contourlet變換；極限學(xué)習(xí)機；BP神經(jīng)網(wǎng)絡(luò)中圖分類號：文獻標(biāo)識號：Facialexpressionrecognitionbasedont
3、henextsamplingContourlettransformalgorithmresearchJiaHanlong1,WangJinfang2,HuangLifei3(1LiaoningMechatronicsCollege,LiaoningDandong,118000,China；2YanshanUniversity,Qinhuangdao,066200,China；3HangzhouChouTouTechCo.LTD,Hangzhou,310000,China)Abstract:thispaperstudiedthenextsamplingContou
4、rlettransformintheapplicationoffacialexpressionrecognition,andthecorrespondingalgorithmdesignprocess.Facialexpressionoftheimagesegmentationisthemostcanrepresenttheexpressioninformationoftheeyesandthemouthoftwoparts,andthenusethesamplingContourlettransformunderthedivisionoflocalimagef
5、eatureextraction,finallyusingextremelearningmachineforclassification,andcomparedwiththeBPneuralnetworkcontrolexperiment.Theresultsshowedthatexpressionclassificationaccuracycanreach86.57%onaverage,thantheBPneuralnetworkclassificationmethodofaverageaccuracyhigherthan7.43%.Inthespeedofe
6、xecutionmethod,extremelearningmachineis11.09timesthatoftheBPneuralnetworkshowthattheefficiencyandfeasibilityoftheexperimentscheme.Keywords:facialexpressionrecognition;ThenextsamplingContourlettransform;Extremelearningmachine;TheBPneuralnetwork引言人臉表情含有豐富的人體行為信息，可以直觀的反應(yīng)一個人的心理狀態(tài)。隨著人機交互的
7、研究日益得到人們關(guān)注，人臉表情識別已經(jīng)成為模式識別領(lǐng)域一個極具研究意義的分支。目前，應(yīng)用于表情識別的方法有基于gabor小波特征的方法，基于主動形狀模型(ASM)和主動外觀模型(AAM）的方法，基于流形的方法等。典型的人臉表情提取主要包括人臉表情的預(yù)處理，特征提取與選擇和人臉表情分類三個主要步驟。其中，表情特征的提取與選擇是人臉表情識別步驟中最關(guān)鍵的一步。如何將人臉表情預(yù)處理得到的高維數(shù)據(jù)進行快速有效的降維，是表情識別系統(tǒng)的核心，也是目前為止最難于有效解決的關(guān)鍵所在。Gabor小波可以提取多尺度、多方向的空間頻率特征，在人臉識別和表情識別的應(yīng)用技術(shù)中，已經(jīng)取得了
8、一定的成績。Contou
