基于lda的人臉情感識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).docx
約37頁DOCX格式手機(jī)打開展開
基于lda的人臉情感識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn),基于lda的人臉情感識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)design and implementation of face emotion recognition system based on latent dirichlet allocation 1.92萬字 37頁 原創(chuàng)作品，已通過查重系統(tǒng)摘要：隨著計(jì)算機(jī)通信技術(shù)和多媒體技術(shù)的...
內(nèi)容介紹
此文檔由會員 馬甲線女神 發(fā)布
基于LDA的人臉情感識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
Design and implementation of face emotion recognition system based on Latent Dirichlet Allocation
1.92萬字 37頁 原創(chuàng)作品，已通過查重系統(tǒng)
摘要：隨著計(jì)算機(jī)通信技術(shù)和多媒體技術(shù)的迅猛發(fā)展，信息越來越多地以數(shù)字圖像的形式存儲與傳遞。主題生成模型能通過學(xué)習(xí)建模與概率推導(dǎo)發(fā)現(xiàn)圖像中隱含的中間語義分布情況，近年來受到了大量的關(guān)注。隱狄利克雷分配(Latent Dirichlet Allocation LDA)模型就是主題模型中的代表，其利用多層次貝葉斯網(wǎng)絡(luò)以多個(gè)主題的概率混合表示圖像。
本文采用K-means聚類提取人臉的詞袋特征，將提取到的詞袋特征輸入LDA模型，學(xué)習(xí)得到人臉表情主題特征，最終采用KNN分類器對提取到的特征進(jìn)行分類，從而得出分類出的表情標(biāo)簽。
采用基于LDA主題特征提取方法對日本ATR（Advanced Telecommunication Research Institute）的專門用于表情識別研究的基本表情數(shù)據(jù)庫JAFFE人臉數(shù)據(jù)庫中的人臉表情圖片進(jìn)行情感識別。該數(shù)據(jù)庫包括七種基本表情：驚訝、恐懼、悲傷、高興、憤怒、厭惡、中性。
實(shí)驗(yàn)結(jié)果表明，基于LDA的人臉情感識別具有良好的特征提取效果。將學(xué)習(xí)到的主題特征用常見的SVM分類器都能夠得到不錯識別效果。本方法具有良好的可推廣性和識別率，對人臉情感識別領(lǐng)域的發(fā)展具有一定意義。
關(guān)鍵詞： 人臉表情識別，LDA，詞袋，概率圖模型，主題特征
Q95;
Design and implementation of face emotion recognition system ba
1.92萬字 37頁 原創(chuàng)作品，已通過查重系統(tǒng)
摘要：隨著計(jì)算機(jī)通信技術(shù)和多媒體技術(shù)的迅猛發(fā)展，信息越來越多地以數(shù)字圖像的形式存儲與傳遞。主題生成模型能通過學(xué)習(xí)建模與概率推導(dǎo)發(fā)現(xiàn)圖像中隱含的中間語義分布情況，近年來受到了大量的關(guān)注。隱狄利克雷分配(Latent Dirichlet Allocation LDA)模型就是主題模型中的代表，其利用多層次貝葉斯網(wǎng)絡(luò)以多個(gè)主題的概率混合表示圖像。
本文采用K-means聚類提取人臉的詞袋特征，將提取到的詞袋特征輸入LDA模型，學(xué)習(xí)得到人臉表情主題特征，最終采用KNN分類器對提取到的特征進(jìn)行分類，從而得出分類出的表情標(biāo)簽。
采用基于LDA主題特征提取方法對日本ATR（Advanced Telecommunication Research Institute）的專門用于表情識別研究的基本表情數(shù)據(jù)庫JAFFE人臉數(shù)據(jù)庫中的人臉表情圖片進(jìn)行情感識別。該數(shù)據(jù)庫包括七種基本表情：驚訝、恐懼、悲傷、高興、憤怒、厭惡、中性。
實(shí)驗(yàn)結(jié)果表明，基于LDA的人臉情感識別具有良好的特征提取效果。將學(xué)習(xí)到的主題特征用常見的SVM分類器都能夠得到不錯識別效果。本方法具有良好的可推廣性和識別率，對人臉情感識別領(lǐng)域的發(fā)展具有一定意義。
關(guān)鍵詞： 人臉表情識別，LDA，詞袋，概率圖模型，主題特征
Q95;
