基于监督式等距映射的人脸和表情识别

提出了一种基于监督式等距映射的人脸和表情识别方法,该方法能同时完成身份和表情的识别。首先,运用监督式等距映射,将训练集中的人脸表情图像投影到低维流形空间,在这个流形空间里,图像的投影不仅实现了按其身份的分离,同时在同身份图像的内部,又实现了按其表情的聚类。然后,用非线性投影,将待测图像嵌入到流形空间。最后,采用加权knn分类器,识别出它的身份和表情。在Cohn-Kanade和JAFFE人脸库上的实验表明,该方法对人脸和表情的识别的准确率比较高。

基于逆迭代的增量LLE算法

Locally Linear Embedding(LLE)算法是一种很好的流形学习算法,但是它只能以批处理的方式进行,只要有新的样本加入,就必须重作该算法的全部内容。而原来的运算结果被全部丢弃。提出了一种基于逆迭代的增量LLE算法,实现了流形的增量学习。在Swiss roll和S-curve数据库上的实验表明,该算法与LLE算法所计算出的投影值误差小于0.001%,运行的耗时少,具有很好的应用价值。

一种人脸表情的矢量分解与合成算法

提出了一种人脸表情的矢量分解与合成算法,能将任意图像分解为6种基本表情的矢量和。根据分解的结果,可以实现表情强度的估计和表情的识别,也可以根据给定的表情强度参数合成各种表情图像,克服了表情强度估计、表情的分解与合成中需要手工标注特征点的问题,降低了训练集的不同对表情识别的影响。