摘要
该文提出一种结合均值主元分析和线性判别进行特征选择的人脸表情识别方法。首先对训练样本做均值主元分析,然后再做线性判别,构造特征子空间,最后用支持向量机的方法进行分类。在美国耶鲁大学人脸表情库上分别进行了测试人不参与训练仿真实验,并与其他方法进行比较,该文提出的方法取得了更好的识别结果。
In this paper,a novel method of expression recognition is presented.Our method uses the equable prin-cipal component analysis(EPCA) and fisher’s linear discriminate(FLD) as face representation and employs support vector machine(SVM) as face classifiers.Experiments of human who has not been trained are performed on the Yale face database.Compared to other methods,our method can get higher recognition ratio.Therefore,it is feasible to apply EPCA-FLD-SVM to expression recognition.
出处
《杭州电子科技大学学报（自然科学版）》
2009年第5期141-144,共4页
Journal of Hangzhou Dianzi University：Natural Sciences
基金
杭州电子科技大学科学研究基金资助项目(KYF151508006)
关键词
表情识别
均值主元分析
线性判别
支持向量机
expression recognition
equable principal component analysis
fisher line discriminate
support vector machine
