基于矩阵模式的人脸表情识别

doi:10.3778/j.issn.1002-8331.2010.05.043

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (5): 143-144.DOI: 10.3778/j.issn.1002-8331.2010.05.043

• 图形、图像、模式识别 • 上一篇下一篇

基于矩阵模式的人脸表情识别

黄勇

柳州运输职业技术学院电子工程系，广西柳州 545007

收稿日期:2008-08-22 修回日期:2008-11-10 出版日期:2010-02-11 发布日期:2010-02-11
通讯作者: 黄勇

Facial expression recognition based on matrix pattern

HUANG Yong

Department of Electronic Engineering，Liuzhou Transport Vocational Technical College，Liuzhou，Guangxi 545007，China

Received:2008-08-22 Revised:2008-11-10 Online:2010-02-11 Published:2010-02-11
Contact: HUANG Yong

摘要/Abstract

摘要： 提出了一种基于矩阵模式的人脸表情识别方法。该算法直接将人脸表情图像矩阵作为矩阵模式，并结合传统PCA和FLDA进行表情特征提取，称之为MatPCA和MatFLDA。与2DPCA等不同，该算法既利用图像矩阵中的行向量间的信息，也充分利用列向量间的信息，尽可能地保留了原始的表情信息。基于JAFFE和CED-WYU（1.0）两个表情数据库的识别结果表明，基于矩阵模式的特征提取方法能有效地提高识别率并节省计算时间。

关键词: 矩阵主元分析, 矩阵线性判决分析, 表情识别

Abstract: A facial expression recognition method based on matrix pattern is proposed.This algorithm extracts expression feature for facial expression image by first matrixing it into a matrix pattern and then applying the matrixed versions of PCA and FLDA，named MatPCA and MatFLDA.Unlike 2DPCA，it takes full advantage of the information between rows and columns of the image matrix，and thus remains the original expression information as much as possible.Experimental result on JAFFE and CED-WYU（1.0） shows that it is an effective method for improving the recognition accuracy and saving much computational time.

Key words: Matrix PCA（MatPCA）, Matrix FLDA（MatFLDA）, expression recognition

中图分类号:

TP391.41

黄勇. 基于矩阵模式的人脸表情识别[J]. 计算机工程与应用, 2010, 46(5): 143-144.

HUANG Yong. Facial expression recognition based on matrix pattern[J]. Computer Engineering and Applications, 2010, 46(5): 143-144.

[1]	蒋斌，钟瑞，张秋闻，张焕龙. 采用深度学习方法的非正面表情识别综述[J]. 计算机工程与应用, 2021, 57(8): 48-61.
[2]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[3]	杨鲁月，张树美，赵俊莉. 基于并行Gan的有遮挡动态表情识别[J]. 计算机工程与应用, 2021, 57(24): 168-178.
[4]	王传昱，李为相，陈震环. 基于语音和视频图像的多模态情感识别研究[J]. 计算机工程与应用, 2021, 57(23): 163-170.
[5]	崔子越，皮家甜，陈勇，杨杰之，鲜焱，吴至友，赵立军，曾绍华，吕佳. 结合改进VGGNet和Focal Loss的人脸表情识别[J]. 计算机工程与应用, 2021, 57(19): 171-178.
[6]	张宏丽，白翔宇. 利用优化剪枝GoogLeNet的人脸表情识别方法[J]. 计算机工程与应用, 2021, 57(19): 179-188.
[7]	张力为，王甦菁，段先华. 细粒度分层时空特征描述符的微表情识别方法[J]. 计算机工程与应用, 2021, 57(13): 154-160.
[8]	张人，何宁. 微表情识别研究综述[J]. 计算机工程与应用, 2021, 57(1): 38-47.
[9]	孙晓，丁小龙. 基于生成对抗网络的人脸表情数据增强方法[J]. 计算机工程与应用, 2020, 56(4): 115-121.
[10]	张爱梅，徐杨. 注意力分层双线性池化残差网络的表情识别[J]. 计算机工程与应用, 2020, 56(23): 161-166.
[11]	张延良，卢冰，蒋涵笑，洪晓鹏，赵国英，张伟涛. 微表情类别与区域间关联度的分析方法研究[J]. 计算机工程与应用, 2020, 56(19): 146-151.
[12]	梁华刚，王亚茹，张志伟. 基于Res-Bi-LSTM的人脸表情识别[J]. 计算机工程与应用, 2020, 56(13): 204-209.
[13]	吕诲，童倩倩，袁志勇. 基于人脸分割的复杂环境下表情识别实时框架[J]. 计算机工程与应用, 2020, 56(12): 134-140.
[14]	梁华刚，张志伟，王亚茹. 自适应Gabor卷积核编码网络的表情识别方法[J]. 计算机工程与应用, 2020, 56(10): 149-156.
[15]	阮凯，邱卫根. 多信息融合的深度学习人脸表情识别算法研究[J]. 计算机工程与应用, 2019, 55(5): 192-196.

基于矩阵模式的人脸表情识别

Facial expression recognition based on matrix pattern

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics