面部表情识别很大程度上受限于来自相同条件、相同个体和大量标记样本这些假设,当突破上述假设条件时,识别性能将会显著下降。针对这个问题,提出一种自适应非负加权约束低秩稀疏表示的跨数据集面部表情识别方法,通过自适应非负加权矩阵约束加强图像数据表示中重要特征的作用并减少无用特征的干扰。通过映射矩阵的约束,使基于低秩与稀疏表示的子空间能够学习鲁棒的相似图像以便实现最终的跨数据集面部表情识别。在公开的JAFFE和CK+两个跨数据库上的对比实验结果表明,文章算法对于跨数据集面部表情识别的性能更优。
科研之友
微信
新浪微博
Facebook
分享链接
