10.15918/j.tbit1001-0645.2016.02.011
基于人脸运动单元及表情关系模型的自动表情识别
面部表情是人们表达情感和意向最有效、自然、快捷的方式.表情的发生主体不同,程度不同,导致了表情的自发性.基于这一难点,建立了一种人脸运动单元(action units,AUs)及面部表情间的概率关系模型,该模型将人脸分为眉眼区域和嘴巴区域两部分,采用Gabor小波提取区域特征,通过K临近(K nearest neighbor,KNN)与贝叶斯网络(Bayesian network,BN)相结合的机器学习算法进行自动AUs表情识别.这种改进的机器学习算法,通过训练数据以及主观的先验知识进行模型学习,为AUs配以不同的权重,并且根据极大后验概率(maximum aposteriori probability,MAP)选取最优表情.实验表明,本文所提出的模型对不同主体、不同程度的表情都表现出了较高的识别率,是一种高效且鲁棒性强的自动表情识别系统.
运动单元、Gabor特征、K临近、贝叶斯网络、极大后验概率
36
TP751.1(遥感技术)
国家自然科学基金资助项目61170115;国家自然科学基金重点资助项目61432004;国家科技支撑计划资助课题2014BAF08B04;镇江市“331计划”第七批引进人才资助项目和北京市融合网络与泛在业务工程技术研究中心资助项目
2016-05-13（万方平台首次上网日期，不代表论文的发表时间）
163-169
