基于Bandlet和KW技术的移动应用面部情感识别方法研究

基于Bandlet和KW技术的移动应用面部情感识别 本文研究了基于Bandlet和KW技术的移动应用面部情感识别方法。随着智能手机的广泛使用和持续增长，情感识别成为为人们提供情感护理的必要组成部分。传统的情感识别方法不能满足移动应用用户的紧急增值服务，因此需要一个能实时收集、分析、处理感情交流，能用最小的计算时间达到高度精确识别情感的方法。 本文所提出的方法使用Bandlet变换处理人脸视频，从视频中提取一些有代表性的帧，并且用一个人脸检测模块从这些帧中提取人脸区域。脸部区域被Bandlet变换处理，结果子波被划分为互不重叠的子块。计算每个块的局部二进制值模式的直方图，将所有块的直方图关联起来作为描述面部图像的特征集。用Kruskal-Wallis检验从面部图像特征集中选择最具优势的特征，将这些特征送入高斯混合模型分类器中进行情感识别。 实验结果表明，该方法在一个合理的时间内实现了高识别精度。该方法可以应用于移动应用中的情感识别，提高用户体验和生活质量。 知识点： 1. 移动应用中的情感识别：随着智能手机的广泛使用和持续增长，情感识别成为为人们提供情感护理的必要组成部分。 2. Bandlet变换：Bandlet变换是一种信号处理技术，用于处理人脸视频，提取人脸区域，并将其划分为互不重叠的子块。 3. 人脸检测模块：人脸检测模块用于从视频帧中提取人脸区域，作为面部图像特征集的基础。 4. 局部二进制值模式的直方图：计算每个块的局部二进制值模式的直方图，将所有块的直方图关联起来作为描述面部图像的特征集。 5. Kruskal-Wallis检验：Kruskal-Wallis检验用于从面部图像特征集中选择最具优势的特征，将这些特征送入高斯混合模型分类器中进行情感识别。 6. 高斯混合模型分类器：高斯混合模型分类器用于进行情感识别，将面部图像特征集作为输入，输出情感状态。 7. 移动应用中的情感护理：提供情感护理可以大大提高用户体验和生活质量，提高用户满意度和忠诚度。 8. 情感识别方法的挑战：由于移动应用的动态性和异质性，提供一个能实时收集、分析、处理感情交流，能用最小的计算时间达到高度精确识别情感的方法是一个挑战。