导读:本文包含了表情特征论文开题报告文献综述及选题提纲参考文献，主要关键词:人脸表情识别,LBP,BOW,特征融合
表情特征论文文献综述
高理想,高磊[1]（2019）在《基于特征融合的人脸表情识别研究》一文中研究指出针对现有的人脸表情识别方法易受到光照、噪声等因素的影响导致识别率较低的问题,本文提出了一种基于特征融合的人脸表情识别方法。从两方面对表情信息进行描述,通过局部二值模式(LocalBinaryPattern,LBP)和词袋模型(BagOfWords,BOW)分别对表情图像进行纹理特征和语义特征提取,然后将两种特征进行线性融合,最后使用支持向量机(Support Vector Machine,SVM)进行表情分类识别。本文方法在JAFFE和CK+表情数据集上分别取得了98.76%和97.58%的识别率,验证了所提出方法的有效性。(本文来源于《软件工程》期刊2019年12期）
王思明,梁运华[2]（2019）在《基于改进LBP的人脸面部表情特征提取方法（英文）》一文中研究指出面部表情识别中,局部二值模式(Local binary pattern, LBP)是一种重要的纹理特征提取方法,但其在特征提取时维度较高、提取速度慢、不能得到有效的局部或者全局特征,因而提出了一种基于改进LBP的人脸面部表情特征提取方法。该将LBP转化为双局部二值模式(Double local binary pattern, DLBP),融合泰勒展开式(Taylor expansiion, TE),生成DLBP-TE算法,此算法结合极限学习机(Extreme learning machine, ELM)分类算法应用于七种表情分类中,在日本成年女性面部表情(JAFFE)数据库中进行实验。结果表明,此方法能显着提高面部表情识别率。(本文来源于《Journal of Measurement Science and Instrumentation》期刊2019年04期）
黄倩露,王强[3]（2019）在《结构化特征融合的人脸表情识别》一文中研究指出考虑中心像素值对梯度幅值计算的影响,提出绝对尺度不变特征变换(ASIFT)描述子,结合主动形状模型(ASM)定位人脸特征点,提出ASM-ASIFT特征提取方法。将该方法所提特征与通过划分人脸表情区域并赋予权值的局部二值模式(LBP)特征进行结构化融合。实验结果表明,结构化融合后的正脸和侧脸表情识别的准确率分别为83.44%和71.19%,较ASM-ASIFT以及区域LBP方法,分别提高了4.77%、4.78%和6.98%、8.45%,表明融合后的特征能更加完整、精确地描述面部表情的细节信息,具有更强的表征能力。(本文来源于《计算机工程与设计》期刊2019年11期）
张俞晴,何宁,魏润辰[4]（2019）在《基于卷积神经网络融合SIFT特征的人脸表情识别》一文中研究指出表情识别技术是计算机从静态表情图像或动态表情图像中识别出特定的表情,是实现人机交互的基础。提出一种融合卷积神经网络(CNN)与SIFT特征的人脸表情识别方法。通过图像预处理得到规范化的表情图像;采用视觉词袋模型将图像提取的SIFT特征作进一步处理,将得到的图像特征向量作为局部特征,CNN提取的特征作为全局特征,全局特征用以描述表情的整体差异,局部特征用以描述表情的局部差异;将提取出的两组特征融合后采用Softmax分类。与流形稀疏表示(Manifold Sparse Representation,MSR)及3DCNN等方法在CK+及FER2013数据集上的实验表明,该方法是一种有效的表情识别方法。(本文来源于《计算机应用与软件》期刊2019年11期）
钟明静,卢涵宇,李丹杨,兰海翔,侯汝冲[5]（2019）在《基于特征层融合与BP神经网络的人脸表情识别研究》一文中研究指出针对图像处理中人脸表情识别率不高的问题,提出了一种基于特征层融合和神经网络的人脸表情识别方法。利用PCA对原图像进行特征降维处理得到维数较低的表情图像特征,再从粗到细策略对特征进行融合,最后采用神经网络的BP反向传播算法对训练集和验证集经多次迭代后训练好人脸表情模型。将收集到的表情数据进行实验仿真对比表明:本文提出方法与常用的分类算法相比,人脸表情识别率在本文提到的表情数据库上取得更好的效果。(本文来源于《广西大学学报(自然科学版)》期刊2019年05期）
黄倩露,王强[6]（2019）在《基于跨连特征融合网络的面部表情识别》一文中研究指出传统神经网络特征单向处理难以有效利用高层抽象特征和低层细节特征,不能获得更多有用信息,为此提出跨连特征融合神经网络(cross-connected feature fuse,CFF)模型,进一步提高面部表情分类的准确率。在AlexNet卷积神经网络的基础上,通过结合低层池化层与高层池化层中的特征,获取更多全面、细致的表情特征信息,使用矩阵的方式表示模型处理过程。在REN_VFEdb面部表情数据库上的实验结果表明,CFF的分类准确率为93.56%,比AlexNet卷积神经网络提高了1.12%。(本文来源于《计算机工程与设计》期刊2019年10期）
薛建明,刘宏哲,袁家政,王雪峤,李青[7]（2019）在《基于CNN与关键区域特征的人脸表情识别算法》一文中研究指出为了克服目前公开的人脸表情数据集的数据量较少,并且有一些类别的表情表达存在一定的相似这两个因素对人脸表情识别率的影响,提出一种基于关键区域特征融合的人脸表情分类算法。算法首先提取人脸图像中表情表达的关键区域,然后分别提取关键区域的特征信息并融合,最终使用融合的特征进行分类。通过实验验证:算法在JAFFE和CK+公开数据集上均取得了较好的识别准确率。(本文来源于《传感器与微系统》期刊2019年10期）
陈乐,童莹,陈瑞,曹雪虹[8]（2019）在《端到端增强特征神经网络的视频表情识别》一文中研究指出以卷积神经网络结合循环神经网络搭建端到端的深度学习网络,提出一种增强特征的视频表情识别方法。其中,卷积神经网络采用传统的VGG-16-FACE模型作为初始模型,完成特征提取;循环神经网络采用具有记忆能力的长期短时记忆模型网络(LSTM)结合连续视频的帧间信息给出最优预测。首先,对VGG-16和LSTM模型分别进行独立训练。因预测结果很大程度取决于LSTM模型,针对LSTM的层数和输出神经元个数进行优化调试后,得到两层LSTM,发现输出维度为2 048时识别效果最好。考虑到增加负责特征提取的VGG模型对预测结果的影响比重,模型由独立训练2个模型连接为端到端的1个模型。实验中考虑到1层LSTM输出会造成特征丢失,在端到端模型的基础上加入跳层连接,增强特征输入,最终实验结果表明:在AFEW数据集上对视频表情识别的准确率从32. 88%提升到37. 34%,F1分数从0. 289 5提升到0. 339 9,证实了端到端增强特征混合神经网络的有效性。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年09期）
汪艳萍[9]（2019）在《舞蹈表演中面部表情的特征及作用探究》一文中研究指出舞者的面部表情是其表现自己的关键手段,通过面部表情,舞者可以将自己的喜怒哀乐展现给观众,使观众能够更好地融入舞者所表演的意境之中,帮助观众更好地体会舞蹈的精髓。本文先围绕舞蹈表演中面部表情的特征进行分析,然后就其作用进行阐述。(本文来源于《戏剧之家》期刊2019年28期）
李艳秋,颜普,高翠云,徐荃[10]（2019）在《基于表情特征描述与稀疏加权决策的情感识别》一文中研究指出为了进一步提高表情特征应用在情感判别上的识别性能和鲁棒性,提出基于稀疏加权决策的情感识别方法。在基于表情特征构建的稀疏表示模型上,根据不同类别字典在表达待测目标时的稀疏性以及未知图像与类内形变量间的相似度赋予稀疏系数不同的权值。在判别过程中,将待测目标建模为不同稀疏表示模型的加权组合。在JAFFE表情数据库上的实验结果表明,该方法有效地提升了原稀疏表示模型的判决能力,提高了系统的识别性能。(本文来源于《安徽建筑大学学报》期刊2019年04期）
表情特征论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
面部表情识别中,局部二值模式(Local binary pattern, LBP)是一种重要的纹理特征提取方法,但其在特征提取时维度较高、提取速度慢、不能得到有效的局部或者全局特征,因而提出了一种基于改进LBP的人脸面部表情特征提取方法。该将LBP转化为双局部二值模式(Double local binary pattern, DLBP),融合泰勒展开式(Taylor expansiion, TE),生成DLBP-TE算法,此算法结合极限学习机(Extreme learning machine, ELM)分类算法应用于七种表情分类中,在日本成年女性面部表情(JAFFE)数据库中进行实验。结果表明,此方法能显着提高面部表情识别率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
表情特征论文参考文献
[1].高理想,高磊.基于特征融合的人脸表情识别研究[J].软件工程.2019
[2].王思明,梁运华.基于改进LBP的人脸面部表情特征提取方法（英文）[J].JournalofMeasurementScienceandInstrumentation.2019
[3].黄倩露,王强.结构化特征融合的人脸表情识别[J].计算机工程与设计.2019
[4].张俞晴,何宁,魏润辰.基于卷积神经网络融合SIFT特征的人脸表情识别[J].计算机应用与软件.2019
[5].钟明静,卢涵宇,李丹杨,兰海翔,侯汝冲.基于特征层融合与BP神经网络的人脸表情识别研究[J].广西大学学报(自然科学版).2019
[6].黄倩露,王强.基于跨连特征融合网络的面部表情识别[J].计算机工程与设计.2019
[7].薛建明,刘宏哲,袁家政,王雪峤,李青.基于CNN与关键区域特征的人脸表情识别算法[J].传感器与微系统.2019
[8].陈乐,童莹,陈瑞,曹雪虹.端到端增强特征神经网络的视频表情识别[J].重庆理工大学学报(自然科学).2019
[9].汪艳萍.舞蹈表演中面部表情的特征及作用探究[J].戏剧之家.2019
[10].李艳秋,颜普,高翠云,徐荃.基于表情特征描述与稀疏加权决策的情感识别[J].安徽建筑大学学报.2019