原文服务方: 计算机应用研究       
摘要:
为了实现基于面部表情识别的智能轮椅控制,在传统的支持向量机( SVM)面部表情识别与分类方法的基础上,采用基于“八眼”的面部有效区域提取方法,将基于主成分分析(PCA)的面部表情特征提取方法与支持向量机分类方法相结合,实现了面部表情的识别与分类,并最终实现基于面部表情识别的智能轮椅的运动控制.实验结果表明,所采用的方法在识别率上明显优于传统SVM与PCA方法.
推荐文章
基于面部结构的表情识别
人脸表情识别
判别响应图拟合
联合Haar-like特征
Boosting学习
疲劳驾驶面部表情识别算法
表情识别
加博滤波
核函数
支持向量机
基于深度学习的面部表情识别研究
深度学习
表情识别
神经网络
基于Gabor和ADABOOST的面部表情识别
面部表情识别
Gabor变换
Adaboost算法
主成分分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于PCA与SVM结合的面部表情识别的智能轮椅控制
来源期刊 计算机应用研究 学科
关键词 面部表情识别 主成分分析 支持向量机 面部有效区域提取 智能轮椅控制
年,卷(期) 2012,(8) 所属期刊栏目 图形图像技术
研究方向 页码范围 3166-3168
页数 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2012.08.097
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 罗元 重庆邮电大学光电工程学院 192 1681 17.0 31.0
2 张毅 重庆邮电大学自动化学院 281 2390 21.0 36.0
3 吴彩明 重庆邮电大学光电工程学院 2 37 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (38)
共引文献  (501)
参考文献  (3)
节点文献
引证文献  (21)
同被引文献  (17)
二级引证文献  (10)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(8)
  • 参考文献(1)
  • 二级参考文献(7)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(4)
  • 引证文献(4)
  • 二级引证文献(0)
2014(5)
  • 引证文献(5)
  • 二级引证文献(0)
2015(4)
  • 引证文献(2)
  • 二级引证文献(2)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(4)
  • 引证文献(2)
  • 二级引证文献(2)
2020(8)
  • 引证文献(3)
  • 二级引证文献(5)
研究主题发展历程
节点文献
面部表情识别
主成分分析
支持向量机
面部有效区域提取
智能轮椅控制
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导