科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种增强身份鲁棒性的表情识别方法,首先,构建Gabor滤波器组提取图像集Gabor特征,并采用网格搜索获取最优下采样倍数组合,对Gabor特征进行双重下采样,获得E-Gabor特征；基于中性表情的E-Gabor特征构建中性表情特征字典,其它类表情的E-Gabor特征构建表情特征字典,将测试样本分别在两个字典上进行协同稀疏表示,获得测试样本的虚拟中性特征和虚拟表情特征,两者差分编码得到DE-Gabor特征；利用训练样本DE-Gabor特征的训练支持向量机(SVM)多分类模型,在训练好的SVM上判断测试样本的表情类别。本发明有效解决了现有表情识别方法在不同种族、性别、年龄表情数据库上识别率不高的问题。
- 单位
