1 简介
随着模式识别、图像处理及机器学习的发展,快速有效的自动识别与验证技术由于其巨大的理论及实际应用价值吸引了广泛关注。作为生物识别中重要的验证手段,人脸识别在信息安全、刑事侦查和视频监控等领域获得了巨大发展,广泛用于智能家居、平安城市、智能监控及智能建筑等。基于稀疏表示分类(SRC)的人脸识别算法由于其对噪声和局部遮挡的鲁棒性成为了研究热点,SRC基本思想是利用测试样本在训练集上的线性表示来最小化重建误差进行分类。首先利用优化问题求解获得测试样本在不同类别训练样本上的稀疏表示系数,通过训练样本线性组合获得重建样本,最后求得重建残差最小的类为分类结果。
SＲC是人脸识别中一种典型算法。该算法不考虑样本的局部信息而是考虑整体信息，假设测试样本可近似表示为所有训练样本的线性组合，每个训练样本的像素信息转换成列向量从而组成训练矩阵。由于CS的非自适应性，投影训练矩阵的正交基可以得到稀疏矩阵，并且不会影响原问题的解决。这个稀疏矩阵就是对训练图像的稀疏表示，也称为测量矩阵。SＲC算法的步骤如下:
2 部分代码
function varargout = FacialExpressionRecognitiontool(varargin)% FACIALEXPRESSIONRECOGNITIONTOOL MATLAB code for FacialExpressionRecognitiontool.fig
如果觉得《【表情识别】基于稀疏表示特征模板匹配算法实现人脸表情识别含Matlab源码》对你有帮助，请点赞、收藏，并留下你的观点哦！
