公开(公告)号：CN107273845B

公开(公告)日：2020-10-02

申请号：CN201710438445.1

申请日：2017-06-12

Applicant: 大连海事大学

Inventor： 王演 ,  王镇镇 ,  史晓非 ,  巴海木 ,  祖成玉 ,  于丽丽

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/48 ,  G06K9/62

Abstract: 本发明公开了一种基于置信区域和多特征加权融合的人脸表情识别方法，包括：1、获得人脸置信区域图像以及人脸区域图像，所述人脸置信区域图像至少包括眼睛眉毛区域和嘴部区域；2、对所述人脸置信区域图像及人脸区域图像进行特征提取以获得所对应的初始特征；3、对所述初始特征进行降维及数据归一化处理后并组成融合特征F；4、将所述融合特征F作为分类识别特征送入分类器进行识别；5、选定训练集特征数据以及测试集特征数据并将所述训练集特征数据输入到GRNN神经网络进行训练以获得相应的训练参数；6、基于所述训练参数，采用密度函数对测试集特征数据进行预测输出以获得最终的分类识别特征数据。本发明具有更高的识别效率以及识别准确率。

公开(公告)号：CN107273926A

公开(公告)日：2017-10-20

申请号：CN201710438458.9

申请日：2017-06-12

Applicant: 大连海事大学

Inventor： 王演 ,  王镇镇 ,  史晓非 ,  祖成玉 ,  巴海木 ,  于丽丽

IPC: G06K9/62

CPC classification number: G06K9/6234

Abstract: 本发明公开了一种基于余弦相似度加权的线性判别分析降维方法，其包括：步骤1、读取数据集X中的各样本待获取的初始特征F；步骤2、基于LLE算法，对初始特征F进行初步降维以获得临时特征F′；步骤3、获取样本特征数据即将临时特征F′作为输入特征；步骤4、计算出数据集X中每类样本均值mi和总体样本均值m；步骤5、基于样本特征数据以及mi、m，获得基于余弦相似度加权的类内散度矩阵以及对应的类间散度矩阵；步骤6、创建基于余弦相似度加权的目标函数对样本特征数据进行进一步降维；步骤7、根据步骤6所产生的投影矩阵将输入特征映射到新的维度空间。本发明具有更好的类内耦合度和类间离散度，且达到了更好的降维效果。

公开(公告)号：CN107273845A

公开(公告)日：2017-10-20

申请号：CN201710438445.1

申请日：2017-06-12

Applicant: 大连海事大学

Inventor： 王演 ,  王镇镇 ,  史晓非 ,  巴海木 ,  祖成玉 ,  于丽丽

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/48 ,  G06K9/62

CPC classification number: G06K9/00308 ,  G06K9/4647 ,  G06K9/482 ,  G06K9/6256 ,  G06K9/6273 ,  G06K2009/488

Abstract: 本发明公开了一种基于置信区域和多特征加权融合的人脸表情识别方法，包括：1、获得人脸置信区域图像以及人脸区域图像，所述人脸置信区域图像至少包括眼睛眉毛区域和嘴部区域；2、对所述人脸置信区域图像及人脸区域图像进行特征提取以获得所对应的初始特征；3、对所述初始特征进行降维及数据归一化处理后并组成融合特征F；4、将所述融合特征F作为分类识别特征送入分类器进行识别；5、选定训练集特征数据以及测试集特征数据并将所述训练集特征数据输入到GRNN神经网络进行训练以获得相应的训练参数；6、基于所述训练参数，采用密度函数对测试集特征数据进行预测输出以获得最终的分类识别特征数据。本发明具有更高的识别效率以及识别准确率。