基于PCA与SVM结合的面部表情识别的智能轮椅控制

被引：9

作者：

罗元 ^{[1
]}

吴彩明 ^{[1
]}

张毅 ^{[2
]}

机构：

[1] 重庆邮电大学光电工程学院

[2] 重庆邮电大学自动化学院

来源：

计算机应用研究 | 2012年 / 29卷 / 08期

关键词：

面部表情识别; 主成分分析; 支持向量机; 面部有效区域提取; 智能轮椅控制;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了实现基于面部表情识别的智能轮椅控制,在传统的支持向量机(SVM)面部表情识别与分类方法的基础上,采用基于"八眼"的面部有效区域提取方法,将基于主成分分析(PCA)的面部表情特征提取方法与支持向量机分类方法相结合,实现了面部表情的识别与分类,并最终实现基于面部表情识别的智能轮椅的运动控制。实验结果表明,所采用的方法在识别率上明显优于传统SVM与PCA方法。

引用

页码：3166 / 3168

页数：3

共 4 条

[1] 支持向量机理论与算法研究综述 [J].

丁世飞 ;

齐丙娟 ;

谭红艳 .

电子科技大学学报 , 2011, (01) :2-10

[2]

基于PCA针对表情变化的人脸识别技术研究[D]. 赵宏伟.西安电子科技大学. 2009

[3] Robust real-time face detection [J].

Viola, P ;

Jones, MJ .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 57 (02) :137-154

[4]

Calculating the VC-dimensionof decision trees .2 ASIAN O,YILDIZ O T,ALPAYDIN E. Proc of the 24th International Symposium onComputer and Information Sciences . 2009

← 1 →