基于改进的字典学习与稀疏表示的人脸表情识别

• 作者: 彭秀姣 王艳 黎明
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 遮挡 HOG特征 KC-FDDL字典学习 稀疏表示 残差加权
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 仿真建模理论与方法
• 页码范围: 28-35,44
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16182/j.issn1004731x.joss.201801004

摘要

为克服人脸表情图像识别过程中光照、遮挡等带来的影响,减少稀疏表示分类的时间,提出一种融合HOG特征和改进KC-FDDL(K-means Cluster and Fisher Discrimination Dictionary Learning)字典学习稀疏表示的人脸表情识别算法.对归一化后的表情图像提取HOG特征构成训练集,对训练集进行改进的K-均值聚类的Fisher判别字典学习,利用残差加权的稀疏表示进行表情分类.Cohn-Kanade数据库上的实验结果表明,该算法相比其他的人脸表情分类方法具有耗时低、相似表情分类更准确的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黎明	南昌航空大学信息工程学院	27	244	9.0	14.0
5	王艳	南京航空航天大学自动化学院	31	76	6.0	7.0
6	彭秀姣	南昌航空大学信息工程学院	1	8	1.0	1.0