基于扩展C型HMM视频人脸识别

为改善视频人脸识别系统性能受无约束环境影响较大的问题,通过引入状态中心参数C扩展隐马尔可夫模型,对人脸面部特征做状态空间隐射,使类内差别变小,类间差别变大,提高系统的鲁棒性。实验结果表明,优化后的模型提高了对视频序列识别的准确性和抗干扰性。

基于扩展C型HMM人脸表情识别

隐马尔科夫模型(HMM)能够很好地对时间和空间建模,在对动态的表情序列进行识别时HMM取得了很好的识别效果。但是传统的HMM训练算法基于最大似然准则,在该准则下训练的HMM表情序列模型识别能力有限。针对这一不足,通过增加状态中心参数C对HMM模型进行了扩展,然后在此基础上使用状态空间上隐射算法来建立模型。试验结果表明所建立的扩展C型HMM模型和相应的算法提高了识别能力。