基于小波分析和SVM的人脸表情识别

您当前的位置：

首页 >

文章列表页 >

基于小波分析和SVM的人脸表情识别

信息光学与图像处理 | 更新时间：2025-09-01

- 基于小波分析和SVM的人脸表情识别
- Facial expression recognition method based on DWT&SVM
- 光学技术 2008年第2期页码：207-210
- 作者机构：
  
  1. 1:山东大学信息科学与工程学院
  2. 2:山东大学信息科学与工程学院
  3. 3:山东大学信息科学与工程学院,济南,250100
  4. 4,济南,250100
- 作者简介：
- 基金信息：
  
  山东省自然科学基金资助项目(Y2005G08)
- DOI：
  中图分类号：
- 纸质出版：2008
- 稿件说明：
移动端阅览
亓晓旭, 姜威, 张乐. 基于小波分析和SVM的人脸表情识别[J]. 光学技术, 2008,(2):207-210.

Facial expression recognition method based on DWT&SVM[J]. 2008, (2): 207-210.
亓晓旭, 姜威, 张乐. 基于小波分析和SVM的人脸表情识别[J]. 光学技术, 2008,(2):207-210. DOI：

Facial expression recognition method based on DWT&SVM[J]. 2008, (2): 207-210. DOI：

提出了一种能量特征与支持向量机(SVM)相结合的面部表情识别方法。首次提出了小波能量特征在表情识别中的应用。由于小波能量特征具有表现表情纹路的能力

与人脸表情识别的要求正好相符

所以把小波能量特征加入到原始图像中

再用Fisher线性判别法(FLD)进行特征提取

然后采用SVM进行识别。通过对在日本JAFFE人脸表情库中的七种表情(生气、厌恶、恐惧、高兴、中性、悲伤、惊讶)进行实验

验证了该方法的有效性。它不仅能获得高的表情识别率

而且过程简单

易于实现。

浏览量

517

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于Contourlet变换与FLD的人脸表情识别方法

利用双流卷积神经网络的人脸表情识别方法

基于激光雷达的内河无人船障碍物识别方法

基于Krawtchouk矩和支持向量机的印鉴真伪识别

基于位移特征与随机森林的表情识别方法研究