【摘要】：針對(duì)傳統(tǒng)稀疏表示方法構(gòu)建的字典不具備判別性的問題,以K-SVD算法為基礎(chǔ),對(duì)判別字典的構(gòu)建和分類求解進(jìn)行了研究,提出一種基于層次結(jié)構(gòu)化字典學(xué)習(xí)的表情識(shí)別方法。先將訓(xùn)練樣本切割出眼眉、臉頰和嘴三部分,對(duì)分割的各部分利用K-SVD算法得到塊字典向量,再用層次分析法的權(quán)重賦值方法求塊字典向量的權(quán)重值,構(gòu)成各類子字典。將所有的子字典進(jìn)行聯(lián)合,用結(jié)構(gòu)化字典學(xué)習(xí)算法求解。測(cè)試樣本的歸類取決于求解結(jié)果重構(gòu)的效果。在JAFFE和CK表情庫上的實(shí)驗(yàn)表明,該算法在保證了字典判別性的同時(shí),也達(dá)到了較高的識(shí)別率。
【圖文】：

過聯(lián)合層次分析法構(gòu)建的子字典組合初始化字典D(0)。為了判別測(cè)試樣本的類別，結(jié)合上述構(gòu)造的結(jié)構(gòu)化字典D以及求解目標(biāo)函數(shù)最優(yōu)解xT=(x［1］T，x［2］T，…，x［C］T)，對(duì)測(cè)試樣本進(jìn)行重構(gòu)，，哪類子字典能最好地重構(gòu)測(cè)試樣本，便將測(cè)試樣本歸為對(duì)應(yīng)的類別。具體分類公式如下所示:miniri(y)=‖y－D［i］x［i］‖22(14)2實(shí)驗(yàn)設(shè)計(jì)及結(jié)果分析2．1實(shí)驗(yàn)設(shè)計(jì)實(shí)驗(yàn)步驟如下:a)對(duì)JAFFE數(shù)據(jù)庫中的圖像進(jìn)行預(yù)處理，把大小為256×256的原圖手動(dòng)地裁剪成大小為96×96的效果圖，預(yù)處理效果如圖1所示。b)為了更好地找尋小的子字典模塊來稀疏結(jié)構(gòu)化子字典，將a)中預(yù)處理之后的效果圖分割成三個(gè)部分，分割后的結(jié)果示意圖如圖2所示。圖1預(yù)處理效果圖2分割示意圖c)對(duì)各類訓(xùn)練樣本分割后的三個(gè)部分使用近鄰法分別算出各自的識(shí)別率以及用K-SVD算法得到各個(gè)部分的塊字典向量。d)利用層次分析法以及對(duì)應(yīng)的權(quán)重賦值方法構(gòu)建各類表情的子字典，并且組合七個(gè)子字典，構(gòu)建初始化字典D(0)。e)利用結(jié)構(gòu)化字典算法以及OMP算法求解，求出結(jié)構(gòu)化字典D=［D［1］，…，D［7］］以及目標(biāo)函數(shù)的最優(yōu)解xT=(x［1］T，x［2］T，…，x［7］T)。f)最后根據(jù)式(14)對(duì)測(cè)試樣本進(jìn)行最后的分類。2．2結(jié)果分析JAFFE表情數(shù)據(jù)庫是由10名日本年輕女性的213張表情圖像組成，每個(gè)人都有七種表情，包括高興、恐懼、憤怒、驚奇、傷心、厭惡以及中性，每個(gè)人每一種表情平均有三張圖片。在本文的實(shí)驗(yàn)中，實(shí)驗(yàn)數(shù)據(jù)集的訓(xùn)練樣本和測(cè)試樣本采用不同的人臉圖像集，每個(gè)人每一類表情圖像中隨機(jī)選取其中一張圖像作為訓(xùn)練樣本，總共有70張，剩下的隨機(jī)選取每個(gè)人每類表情兩張圖片共140張作為?

解xT=(x［1］T，x［2］T，…，x［C］T)，對(duì)測(cè)試樣本進(jìn)行重構(gòu)，哪類子字典能最好地重構(gòu)測(cè)試樣本，便將測(cè)試樣本歸為對(duì)應(yīng)的類別。具體分類公式如下所示:miniri(y)=‖y－D［i］x［i］‖22(14)2實(shí)驗(yàn)設(shè)計(jì)及結(jié)果分析2．1實(shí)驗(yàn)設(shè)計(jì)實(shí)驗(yàn)步驟如下:a)對(duì)JAFFE數(shù)據(jù)庫中的圖像進(jìn)行預(yù)處理，把大小為256×256的原圖手動(dòng)地裁剪成大小為96×96的效果圖，預(yù)處理效果如圖1所示。b)為了更好地找尋小的子字典模塊來稀疏結(jié)構(gòu)化子字典，將a)中預(yù)處理之后的效果圖分割成三個(gè)部分，分割后的結(jié)果示意圖如圖2所示。圖1預(yù)處理效果圖2分割示意圖c)對(duì)各類訓(xùn)練樣本分割后的三個(gè)部分使用近鄰法分別算出各自的識(shí)別率以及用K-SVD算法得到各個(gè)部分的塊字典向量。d)利用層次分析法以及對(duì)應(yīng)的權(quán)重賦值方法構(gòu)建各類表情的子字典，并且組合七個(gè)子字典，構(gòu)建初始化字典D(0)。e)利用結(jié)構(gòu)化字典算法以及OMP算法求解，求出結(jié)構(gòu)化字典D=［D［1］，…，D［7］］以及目標(biāo)函數(shù)的最優(yōu)解xT=(x［1］T，x［2］T，…，x［7］T)。f)最后根據(jù)式(14)對(duì)測(cè)試樣本進(jìn)行最后的分類。2．2結(jié)果分析JAFFE表情數(shù)據(jù)庫是由10名日本年輕女性的213張表情圖像組成，每個(gè)人都有七種表情，包括高興、恐懼、憤怒、驚奇、傷心、厭惡以及中性，每個(gè)人每一種表情平均有三張圖片。在本文的實(shí)驗(yàn)中，實(shí)驗(yàn)數(shù)據(jù)集的訓(xùn)練樣本和測(cè)試樣本采用不同的人臉圖像集，每個(gè)人每一類表情圖像中隨機(jī)選取其中一張圖像作為訓(xùn)練樣本，總共有70張，剩下的隨機(jī)選取每個(gè)人每類表情兩張圖片共140張作為訓(xùn)練樣本，重復(fù)三次，最后的結(jié)果取三次的平均值。根據(jù)實(shí)驗(yàn)設(shè)計(jì)中的圖像預(yù)處理和分割方法，對(duì)訓(xùn)練和測(cè)試圖像進(jìn)行相關(guān)的處理，然后
【作者單位】： 廣東工業(yè)大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：廣東省交通運(yùn)輸廳科技項(xiàng)目(科技-2016-02-030) 廣東省自然科學(xué)基金博士啟動(dòng)項(xiàng)目(2014A030310169);廣東省自然科學(xué)基金面上項(xiàng)目(2016A030313703);廣東省自然科學(xué)基金資助項(xiàng)目(2016A030313713) 廣東省科技計(jì)劃資助項(xiàng)目(2016B030305002)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王志良,陳鋒軍,薛為民;人臉表情識(shí)別方法綜述[J];計(jì)算機(jī)應(yīng)用與軟件;2003年12期

2 孫蔚;王波;;人臉表情識(shí)別綜述[J];電腦知識(shí)與技術(shù);2012年01期

3 楊梅娟;;人臉表情識(shí)別綜述[J];甘肅科技;2006年04期

4 劉曉e

本文編號(hào)：2552108