摘要
目前,人脸表情识别的主要研究对象是二维图像,它所包含的信息有限,而且易受人脸姿态、光照等影响。其次,人脸表情识别方法大多是基于图像低层视觉特征,而人类对图像的理解是基于高层语义知识,这两者之间存在本质上的差异,即"语义鸿沟"。为此,在三维人脸表情图像和语义知识的基础上,创新地提出双模态及语义知识的三维人脸表情识别方法。该方法首先提出一种将三维的局部曲率和二维局部角点进行双模态融合的方法,自动提取准确的三维人脸表情低层视觉特征;然后,采用AHP和G1相结合计算高层语义知识向量;最后,采用K-NN算法将低层视觉特征和高层语义知识融合,缩小低层视觉特征和高层语义知识之间的"语义鸿沟",提高人脸表情的识别率。
学科与关键词
关键词
三维人脸表情识别高层语义知识低层视觉特征K-NN 3D facial expression recognitionhigh-level semantic knowledgelow-level visual featureK-NN
- 基于人脸表情变化的身份识别王颖; 张国英; 王浩高技术通讯, 2014, 24(08): 827-832.
- 基于主元分析法与支持向量机的人脸表情识别算法黄明威电脑知识与技术, 2013, (19): 4485-4487.
- 基于深度信念网络的三维人脸识别算法徐歆凯; 王雪峤; 梁爱华; 李红豫中国计算机用户协会网络应用分会, 中国安徽合肥.
