塊LBP-TOP稀疏表示表情與車輛檢測技術(shù)研究
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大小：528 K
標(biāo)簽： 微表情 車輛狀態(tài)檢測 塊LBP-TOP
所需積分：0分積分不夠怎么辦？
文檔介紹：提出基于分塊LBP-TOP(Local Binary Patterns from Three Orthogonal Planes)特征和改進的加權(quán)稀疏表示分類解決微表情識別與專用線車輛狀態(tài)檢測問題。首先利用LBP-TOP特征描述符對從分塊圖像中選擇出的有效塊進行提取特征，將提取的特征作為字典，采取加權(quán)稀疏表示(Weighted Sparse Representation，WSRC)和對偶增廣拉格朗日乘子法(Dual Augmented Lagrange Multiplier，DALM)相結(jié)合的算法(WSRC_DALM)進行稀疏表示分類；然后利用不同尺寸的塊劃分圖像，選擇有效塊提取特征，特征融合后參與分類。在CASME Ⅱ與SAMM表情數(shù)據(jù)庫上采用“留一人交叉驗證”(Leave One Subject Out, LOSO)的分類方法進行5分類，得到的識別率分別達到了77.30%與58.82%，在車輛狀態(tài)檢測檢測數(shù)據(jù)庫上的實驗達到了84.60%的檢測率。實驗結(jié)果表明了所提出算法的有效性。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。