基于改进MMI的HMM训练算法及其在面部表情识别中的应用

被引：9

作者：

杨国亮 ^{[1
]}

王志良 ^{[2
]}

刘冀伟 ^{[2
]}

王国江 ^{[2
]}

陈锋军 ^{[2
]}

机构：

[1] 江西理工大学机电工程学院

[2] 北京科技大学信息工程学院

来源：

北京科技大学学报 | 2007年 / 04期

关键词：

最大互信息准则; 隐马尔可夫模型; 光流算法; 面部表情识别;

D O I：

10.13374/j.issn1001-053x.2007.04.014

中图分类号：

TP391.41 [];

学科分类号：

摘要：

提出一种改进的最大互信息(MMI)准则函数并把它应用于隐马尔可夫模型(HMM)的参数估计,重新推导了HMM的迭代公式.该准则函数相对于原来准则函数定义更为合理,能有效利用训练样本集中的鉴别信息,使得训练数据得到充分利用,提高了HMM的性能.把这种改进的HMM算法应用于面部表情识别,利用改进的光流算法提取面部表情特征向量序列,并利用改进HMM算法和BP神经网络构建了面部表情混合分类器.实验结果表明了该方法能有效提高面部表情识别率,有效解决HMM参数估计问题.

引用

页码：432 / 437

页数：6