基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为挖掘不同人脸表情图像的统计特性差异,提出一种基于分类稀疏表示的表情识别算法。首先通过对不同类别表情图像的字典学习,构建满足各类表情图像统计特性的基函数子集,进而采用Lasso算法获得表情图像在由基函数集所张成特征子空间中的稀疏表示,最后通过比较表情图像在各基函数子集上的重构误差实现不同表情的分类识别。基于JAFFE人脸表情数据库的实验结果表明,该算法可以有效克服人脸身份对表情识别的影响,具有较高的表情识别率和鲁棒性。
推荐文章
基于SIFT稀疏表示的人脸识别算法
人脸识别
尺度不变特征变换
FisherVector
主成分分析
稀疏表示
基于离散余弦变换和稀疏表示的人脸识别
人脸识别
离散余弦变换
稀疏表示
词袋
局部特征
基于稀疏表示与特征融合的人脸识别方法
人脸识别
稀疏表示
低秩恢复
特征融合
鲁棒性
泛化性能
基于核稀疏表示的人脸人耳融合识别算法的研究
融合识别
核稀疏表示
特征提取
加权串联融合
正交匹配追踪算法
鲁棒性
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 基于分类稀疏表示的人脸表情识别
来源期刊 软件 学科 工学
关键词 表情识别 字典学习 稀疏表示 基函数 Lasso
年,卷(期) 2013,(11) 所属期刊栏目 理论计算机科学
研究方向 页码范围 59-61
页数 3页 分类号 TP391.41
字数 2287字 语种 中文
DOI 10.3969/j.issn.1003-6970.2013.11.018
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 李志辉 郑州大学电气工程学院 14 51 5.0 7.0
2 屈志毅 兰州大学信息科学与工程学院 45 415 12.0 18.0
3 冯杰 兰州大学信息科学与工程学院 2 18 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (46)
共引文献  (43)
参考文献  (11)
节点文献
引证文献  (14)
同被引文献  (67)
二级引证文献  (86)
1954(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(11)
  • 参考文献(2)
  • 二级参考文献(9)
2010(6)
  • 参考文献(1)
  • 二级参考文献(5)
2011(6)
  • 参考文献(1)
  • 二级参考文献(5)
2012(4)
  • 参考文献(4)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(15)
  • 引证文献(4)
  • 二级引证文献(11)
2016(19)
  • 引证文献(1)
  • 二级引证文献(18)
2017(14)
  • 引证文献(1)
  • 二级引证文献(13)
2018(14)
  • 引证文献(0)
  • 二级引证文献(14)
2019(26)
  • 引证文献(7)
  • 二级引证文献(19)
2020(11)
  • 引证文献(0)
  • 二级引证文献(11)
研究主题发展历程
节点文献
表情识别
字典学习
稀疏表示
基函数
Lasso
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
软件
月刊
1003-6970
12-1151/TP
16开
北京市3108信箱
1979
chi
出版文献量(篇)
9374
总下载数(次)
40
相关基金
河南省自然科学基金
英文译名:
官方网址:http://kyc.hncj.edu.cn/gzzd/gzzd56.htm
项目类型:
学科类型:
论文1v1指导