基于位移特征与随机森林的表情识别方法研究

您当前的位置：

首页 >

文章列表页 >

信息光学与图像处理 | 更新时间：2025-09-01

- 基于位移特征与随机森林的表情识别方法研究
- Facial expression recognition based on displacement feature and random forest
- 光学技术 2018年44卷第1期页码：25-29
- 作者机构：
  
  1. 1:暨南大学理工学院
  2. 2:暨南大学电气自动化研究所
- 作者简介：
- 基金信息：
  
  广东省科技计划项目(2013B010401019);珠海市协同创新中心项目
- DOI：10.13741/j.cnki.11-1879/o4.2018.01.005
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
林子澄, 黄元亮, 刘一民. 基于位移特征与随机森林的表情识别方法研究[J]. 光学技术, 2018,44(1):25-29.

Facial expression recognition based on displacement feature and random forest[J]. 2018, 44(1): 25-29.
林子澄, 黄元亮, 刘一民. 基于位移特征与随机森林的表情识别方法研究[J]. 光学技术, 2018,44(1):25-29. DOI： 10.13741/j.cnki.11-1879/o4.2018.01.005.

Facial expression recognition based on displacement feature and random forest[J]. 2018, 44(1): 25-29. DOI： 10.13741/j.cnki.11-1879/o4.2018.01.005.

为了有效地对图像序列进行面部表情识别

提出一种基于主动形状模型(active shape model

ASM)结合Lucas-Kanade(LK)光流法的方法提取位移特征

采用随机森林分类器对提取到的位移特征进行分类与识别。在Extended Cohn-Kanade(CK+)人脸表情数据库上的实验表明

该特征提取方法能够很好地描述图像序列中所包含的表情信息和特征点运动变化信息

比常用的K-近邻、贝叶斯网络和支持向量机等分类器所表现出来的效果要好

其识别率达到95.1%。

浏览量

134

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

利用双流卷积神经网络的人脸表情识别方法

视频监控下利用改进型C3D-RF的人群异常行为检测

基于提升小波和FLD的人脸表情识别

基于Contourlet变换与FLD的人脸表情识别方法

基于小波分析和SVM的人脸表情识别