您的位置: 专家智库 > 资助详情>甘肃省自然科学基金(1208RJZA212)

甘肃省自然科学基金(1208RJZA212)

作品数:2 被引量:5H指数:2
相关作者:李睿赵晓李长风更多>>
相关机构:兰州理工大学更多>>
发文基金:国家自然科学基金甘肃省自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 1篇余弦
  • 1篇余弦变换
  • 1篇人脸
  • 1篇人脸检测
  • 1篇离散余弦变换
  • 1篇局部二值模式
  • 1篇二值模式
  • 1篇ADABOO...
  • 1篇DCT
  • 1篇LBP特征
  • 1篇表情识别
  • 1篇裁剪

机构

  • 2篇兰州理工大学

作者

  • 2篇李睿
  • 1篇赵晓
  • 1篇李长风

传媒

  • 1篇计算机应用研...
  • 1篇计算机工程与...

年份

  • 1篇2014
  • 1篇2013
2 条 记 录,以下是 1-2
排序方式:
融合DCT和LBP特征的表情识别被引量:3
2013年
为了获得更好的面部表情特征,提出了一种融合离散余弦变换(Discrete Cosine Transform,DCT)特征和局部二值模式(Local Binary Pattern,LBP)特征的表情特征提取方法。该方法将人脸图像经过DCT后所获得的低频系数作为表情的整体特征;通过对人脸图像进行分块,计算每个子块的LBP直方图,将这些LBP直方图连接起来形成LBP特征,对该LBP特征使用拉普拉斯特征映射(Laplacian Eigenmaps,LE)降维后得到表情的局部特征。将得到的整体特征和局部特征进行加权融合,使用最近邻分类器进行分类。在JAFFE和Cohn-Kanade表情库上的实验结果表明,该方法比单独使用LBP或者DCT特征,具有更好的效果。
李睿赵晓
关键词:表情识别局部二值模式离散余弦变换
基于协方差特征的裁剪AdaBoost算法被引量:2
2014年
针对Haar-like特征的缺陷以及AdaBoost算法存在训练耗时的问题,提出一种基于协方差特征的改进AdaBoost人脸检测算法。该方法用协方差特征代替Haar-like特征进行特征提取;然后使用特征裁剪和动态权重裁剪相结合的裁剪AdaBoost算法,训练得到基于协方差特征的强分类器。实验结果表明,相对于基于Haar-like特征的AdaBoost算法,该算法性能没有明显退化且很大程度上提高了训练速度。
李睿李长风
关键词:人脸检测ADABOOST算法
共1页<1>
聚类工具0