一种经过Hopfield网调整后的非特定人表情识别

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (4): 239-241.

一种经过Hopfield网调整后的非特定人表情识别

李正淳¹,应自炉^1,2

1.五邑大学信息学院，广东江门 529020
2.北京航空航天大学电子信息工程学院，北京 100083

收稿日期:2007-06-04 修回日期:2007-08-03 出版日期:2008-02-01 发布日期:2008-02-01
通讯作者: 李正淳

Person-independent expression recognition based on images adjusted by Hopfield network

LI Zheng-chun¹,YING Zi-lu^1,2

1.School of Information，Wuyi University，Jiangmen，Guangdong 529020，China
2.School of Electronics and Information Engineering，Beihang University，Beijing 100083，China

Received:2007-06-04 Revised:2007-08-03 Online:2008-02-01 Published:2008-02-01
Contact: LI Zheng-chun

摘要/Abstract

摘要： 采用了一种经过Hopfield网调整后再进行人脸表情识别的方法。先选取一套做得较好表情作为标准样本，用Hopfield网对这个标准样本进行训练。再把样本库中的全部样本用这个训练好的Hopfield网进行调整，由于Hopfield网吸引稳定作用，会使样本库中样本向标准样本中相似的样本靠拢，这样相当于利用它们的相似拉开了各类表情样本的距离，有利于以后进行的分类。实验结果表明，采用Hopfield网调整后的识别率得到了较大的提高。

关键词: Hopfield, PCA, LDC, Fisherc, 人脸表情识别

Abstract: In this paper，a new method adjusted by Hopfield network is proposed for expression recognition.First，a standard expression images should be selected for training of Hopfield network.Then，when Hopfield network had been trained，all expression images would be adjusted to close with similar standard images.This would increase distances between seven expression images.It would benefit for expression recognition.Experiment result shows this method can highly improve recognition rates.

Key words: Hopfield, PCA, LDC, Fisherc, expression recognition

李正淳¹,应自炉^1,2. 一种经过Hopfield网调整后的非特定人表情识别[J]. 计算机工程与应用, 2008, 44(4): 239-241.

LI Zheng-chun¹,YING Zi-lu^1,2. Person-independent expression recognition based on images adjusted by Hopfield network[J]. Computer Engineering and Applications, 2008, 44(4): 239-241.

[1]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[2]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[3]	于多，黄永东. 基于SPCA和域变换递归滤波的高光谱图像分类[J]. 计算机工程与应用, 2021, 57(4): 199-208.
[4]	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.
[5]	刘琳琳，叶强，何灵敏. 基于SENet多路网络的乳腺癌转移检测[J]. 计算机工程与应用, 2021, 57(16): 190-196.
[6]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[7]	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.
[8]	黄广俊，邓元龙. 融合改进LBP和SVM的偏光片外观缺陷检测与分类[J]. 计算机工程与应用, 2020, 56(22): 251-255.
[9]	谢心蕊，雷秀仁，赵岩. MI和改进PCA的降维算法在股价预测中的应用[J]. 计算机工程与应用, 2020, 56(21): 139-144.
[10]	邱宁佳，沈卓睿，王辉，王鹏. 通信垃圾文本识别的半监督学习优化算法[J]. 计算机工程与应用, 2020, 56(17): 121-128.
[11]	徐竟泽，吴作宏，徐岩，曾建行. 融合PCA、LDA和SVM算法的人脸识别[J]. 计算机工程与应用, 2019, 55(18): 34-37.
[12]	张志禹1，王瑞琼1，魏敏敏1，周杰2. 堆栈式混合自编码器的人脸表情识别方法[J]. 计算机工程与应用, 2019, 55(13): 140-144.
[13]	钱勇生，邵洁，季欣欣，李晓瑞，莫晨，程其玉. 基于改进卷积神经网络的多视角人脸表情识别[J]. 计算机工程与应用, 2018, 54(24): 12-19.
[14]	周丽芳1，2，文佳黎1，李伟生3. 基于TI-SPCA的人脸自动对齐及识别框架[J]. 计算机工程与应用, 2018, 54(24): 188-192.
[15]	朱林，郝元宏，蒋秀蓉. 基于低秩稀疏分解的自适应运动目标检测算法[J]. 计算机工程与应用, 2018, 54(23): 189-194.