基于KPCANet和线性判别分析的表情识别 |
| |
引用本文: | 陈香敏,柯丽,杜强.基于KPCANet和线性判别分析的表情识别[J].华中科技大学学报(自然科学版),2020,48(9):95-99. |
| |
作者姓名: | 陈香敏 柯丽 杜强 |
| |
作者单位: | 沈阳工业大学电气工程学院,辽宁 沈阳 110870;沈阳科技学院信息与控制工程系,辽宁 沈阳 110167;沈阳工业大学电气工程学院,辽宁 沈阳 110870 |
| |
基金项目: | 辽宁省自然科学基金;国家自然科学基金 |
| |
摘 要: | 针对目前多数表情识别算法都是基于浅层特征的,很难达到良好的识别效果,并且核主成分分析网络(PCANet)网络存在提取到的表情特征维数比较高致使识别时间较长和分类效率较低的问题,受到深度学习模型PCANet的启发,提出了一种结合核主成分分析网络(KPCANet)和线性判别分析(LDA)的表情识别算法.首先,利用基于KPCANet模型获取训练样本及测试样本的深层特征;然后,用LDA监督层对KPCANet模型获取的深层特征对表情图像特征进行监督投影,从而使表情特征具有类别区分性;最后,将经LDA投影的特征矩阵输入支持向量机(SVM)中对表情特征进行训练和分类.提出的KPCANet-LDA算法模型在人脸表情数据库CK+和JAFFE上进行实验,实验结果表明提出的算法具有良好的鲁棒性且识别率高于其他对比算法.
|
关 键 词: | 表情识别 核主成分分析网络 特征提取 线性判别分析 深度学习 |
本文献已被 CNKI 万方数据 等数据库收录! |
|