基于ICA与HMM的表情识别

被引：21

作者：

周书仁 ^{[1
,2
]}

梁昔明 ^{[1
]}

朱灿 ^{[1
,2
]}

杨秋芬 ^{[1
]}

机构：

[1] 中南大学信息科学与工程学院

[2] 长沙理工大学计算机与通信工程学院

来源：

中国图象图形学报 | 2008年 / 13卷 / 12期

基金：

湖南省自然科学基金;

关键词：

盲源分离; 独立分量分析; 表情识别; 隐马尔可夫模型;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

独立分量分析(independent component analysis,ICA)是一种盲源分离的有效方法,为了进一步有效提取表情图像中隐藏的信息和提高表情识别率,可将它应用于人脸表情识别。由于脸部表情为人类情感、认知过程的研究提供了极为重要的测量依据,因此表情特征的提取和特征序列所代表的表情状态是表情识别过程中的重要步骤。为了更好地进行表情和情感的分类,提出了一种ICA结合隐马尔可夫模型(HMM)识别表情的情感分类系统,该系统首先利用ICA算法进行表情特征提取,为了加快特征提取的速度,这里采用了FastICA算法;然后通过7个训练好的HMM进行表情识别。实验结果显示,该系统使人脸表情识别的整体效果有了提高,取得了令人满意的效果,可以用来识别人脸表情。

引用

页码：2321 / 2328

页数：8

共 6 条

[1] 一种基于奇异值分解和隐马尔可夫模型的人脸识别方法 [J].