基于改进的主成分分析法的矿工表情识别

论文摘要

针对传统的矿工面部表情识别方法中对矿工面部表情进行特征提取的时间较慢且识别准确率不高的问题,以主成分分析法为基础,运用Fisher线性判别法对传统的主成分分析法进行改进。首先在主成分分析法的基础上增加一个类间离散矩阵,使其投影后不同类别之间特征点的距离更大,同一类别之间特征点的距离更加紧凑,对矿工面部表情图像特征提取的结果更具有代表性和针对性;然后运用径向基神经网络将低维非线性可分的矿工面部表情图像对应的特征矩阵映射到高维空间并使其线性可分,从而实现对矿工面部表情的识别和分类。实验结果表明,所提出的方法对矿工面部表情识别的识别率为89.0%,优于传统矿工面部表情分类识别算法,在矿井安全监控、疲劳驾驶等领域有较好的应用前景。

论文目录

• 1 特征提取算法
•   1.1 主成分分析法
•   1.2 改进的PCA
• 2 径向基神经网络
•   2.1 径向基神经网络模型
•   2.2 径向基神经网络创建
• 3 矿工面部表情识别
•   3.1 图像选取
•   3.2 改进的PCA处理结果
•   3.3 降维维数确定
•   3.4 结果分析
• 4 结语

文章来源

类型: 期刊论文

作者: 杜云,张璐璐,潘涛

关键词: 计算机图像处理,矿工表情识别,主成分分析法,线性判别法,径向基神经网络

来源: 河北科技大学学报 2019年01期

年度: 2019

分类: 工程科技Ⅰ辑,信息科技

专业: 矿业工程,安全科学与灾害防治,计算机软件及计算机应用

单位: 河北科技大学电气工程学院,神华信息技术有限公司

基金: 国家重点研发计划项目(2016YFC0801800)

分类号: TP391.41;TD76

页码: 45-50

总页数: 6

文件大小: 968K

下载量: 226