Equivalence of Two Expressions of Principal Line

基于半定规划和广义主成分分析的人脸表情分割

Segmentation of Facial Expressions Using Semi-Definite Programming and Generalized Principal Component Analysis

在本文中，我们使用半定规划和广义主成分分析（GPCA）来区分两个或两个以上不同的面部表情。首先，利用半定规划对图像数据进行降维，并展开人脸表情数据点所在的流形;然后，利用GPCA对人脸表情数据点拟合一系列子空间，并将每个数据点与一个子空间相关联。属于相同子空间的数据点被声称属于相同的面部表情类别。提供了一个例子。

集成Canny、主成分分析和人工神经网络的人脸表情分类系统

A Facial Expression Classification System Integrating Canny, Principal Component Analysis and Artificial Neural Network

人脸表情分类是近年来的一个研究热点。有很多方法可以解决这个问题。在本研究中，我们提出了一种新的方法，使用Canny，主成分分析（PCA）和人工神经网络。首先，在预处理阶段，我们使用Canny算法对人脸图像进行局部区域检测。然后，每个局部区域的特征将被提出的基础上的主成分分析（PCA）。最后，利用人工神经网络（ANN）对人脸表情进行分类。我们应用我们的建议方法（Canny_PCA_ANN）识别JAFFE数据库上的6个基本的面部表情，由10名日本女性模特构成的213幅图像。实验结果表明了该方法的可行性。

基于掩蔽log-Gabor特征和主成分分析的表情变异人脸识别

Recognition of expression variant faces using masked log-Gabor features and Principal Component Analysis

在这篇文章中，我们提出了一种方法，用于识别具有不同面部表情的人脸。为了识别，我们使用多个方向和尺度的log-Gabor滤波器提取特征向量。利用滑动窗口算法和基于方差的掩模算法，在受表情变化影响较小的图像区域提取这些特征。提取的特征被传递到基于主成分分析（PCA）的识别方法。基于表情变化人脸的人脸识别实验结果表明，该方法具有较高的识别精度。在开发和测试中，我们使用了来自AR和FERET数据库的面部图像。使用FERET数据库中一千多人的人脸照片，该方法取得了96.6-98.9%的首一个识别率和0.2-0.6%的等出错率（EER）。

基于主成分分析的人脸表情识别（PCA）

Facial Expressions recognition Based on Principal Component Analysis (PCA)

人脸表情识别是一项视觉任务，可以在没有人类不适的情况下执行，是计算机研究领域中一个快速发展的领域。有许多应用程序和程序使用面部表情来评估人的性格，判断，感情和观点。人脸表情的识别是一项艰巨的任务，由于多种情况下，如面部遮挡，面部形状，光照，面部颜色等。本文提出了一种PCA的方法来区分不同情况下的面部表情和识别。依赖于本征人脸技术，使用标准的数据库图像。从而克服计算机难以识别人的特征和表情的问题。

Learning Descriptors Invariance Through Equivalence Relations Within Manifold: A New Approach to Expression Invariant 3D Face Recognition

This paper presents a unique approach for the dichotomy between useful and adverse variations of key-point descriptors, namely the identity and the expression variations in the descriptor (feature) space. The descriptors variations are learned from training examples. Based on the labels of the training data, the equivalence relations among the descriptors are established. Both types of descriptor variations are represented by a graph embedded in the descriptor manifold. The invariant recognition is then conducted as a graph search problem. A heuristic graph search algorithm suitable for the re…

基于多神经网络和二维的主成分分析的人脸表情分类

Facial Expression Classification Based on Multi Artificial Neural Network and Two Dimensional Principal Component Analysis

人脸表情分类是图像分类的一种，近年来受到了广泛的关注。有许多方法来解决这些问题，旨在提高有效的分类。其中一个著名的建议被描述为：第一步，将图像投影到不同的空间;第二步，在每个空间中，将图像分类到响应类中;最后一步，将上述分类结果组合成最终结果。该方法的优点是能够反映图像分类的完整性和多样性。在本文中，我们使用2D-PCA及其变种的模式或图像投影到不同的空间与不同的分组策略。然后，我们开发了一个模型，它结合了许多神经网络应用的最后一步。该模型对各个空间的可靠性进行评估，并给出最终的分类结论。我们的模型将多个神经网络连接在一起，因此我们称之为多人工神经网络（MANN）。我们将我们的建议模型应用于JAFFE数据库上的6个基本面部表情，该数据库由10名日本女性模特组成的213张图像组成。