公开(公告)号：CN105469080B

公开(公告)日：2018-09-25

申请号：CN201610008142.1

申请日：2016-01-07

申请人： 东华大学

发明人： 王佛伟 ,  沈波 ,  孙韶媛 ,  张似晶

IPC分类号： G06K9/00

摘要： 本发明涉及一种人脸表情识别方法，包括以下步骤：对人脸图片进行预处理；对预处理完的人脸图片做基于uniform LGBP的特征提取，并建立图片特征的显著性；使用遗传算法对图片特征进行第一次特征选取，得到优秀的种群；根据得到的优秀的种群作为每类表情特征的优秀种群的比较值，来建立类内和类间的两个新的目标函数，目标就是最小化类内函数的值和最大化类间函数的值，并使用Pareto优化算法来对其进行优化；进行脸部特征的分类，在选取完最优特征以后，采取随机森林的方法来对特征进行分类。本发明能够提高在人脸表情识别的精度和速度。

公开(公告)号：CN105139072A

公开(公告)日：2015-12-09

申请号：CN201510570592.5

申请日：2015-09-09

申请人： 东华大学

发明人： 王佛伟 ,  沈波 ,  王栋 ,  张似晶 ,  谭海龙

IPC分类号： G06N3/08

摘要： 本发明公开了一种强化学习算法，其包括新Q学习算法，新Q学习算法包括以下实现步骤：将采集好的数据输入到BP神经网络中，计算状态隐含层和输出层各个单元的输入和输出；在t状态就算出其最大输出值m，基于这个输出判断是否与障碍物发生碰撞，如果发生了碰撞则记录下BP神经网络的各单元阈值和各连接权值；否则计算T+1时刻采集数据并归一化，计算t+1状态隐含层和输出层各个单元的输入和输出，计算t状态期望输出值，调整输出和隐含层各个单元的阈值，判断误差是否小于给定阈值或学习次数大于给定值，如果不符合条件则重新学习，不然记录下各个单元的阈值和各个连接权值，结束学习。本发明实时性好、快速性好、可后期重学习。

公开(公告)号：CN105469080A

公开(公告)日：2016-04-06

申请号：CN201610008142.1

申请日：2016-01-07

申请人： 东华大学

发明人： 王佛伟 ,  沈波 ,  孙韶媛 ,  张似晶

IPC分类号： G06K9/00

CPC分类号： G06K9/00288

摘要： 本发明涉及一种人脸表情识别方法，包括以下步骤：对人脸图片进行预处理；对预处理完的人脸图片做基于uniform LGBP的特征提取，并建立图片特征的显著性；使用遗传算法对图片特征进行第一次特征选取，得到优秀的种群；根据得到的优秀的种群作为每类表情特征的优秀种群的比较值，来建立类内和类间的两个新的目标函数，目标就是最小化类内函数的值和最大化类间函数的值，并使用Pareto优化算法来对其进行优化；进行脸部特征的分类，在选取完最优特征以后，采取随机森林的方法来对特征进行分类。本发明能够提高在人脸表情识别的精度和速度。