基于gabor参数矩阵与改进adaboost的人脸表情识别

？针对目前人脸表情识别(fer)中gabor特征维数高、计算量大并且存在特征冗余的问题,提出一种基于gabor参数矩阵与改进adaboost的人脸表情识别算法。首先,结合图像像素信息与gabor小波核的参数定义gabor参数矩阵;其次,在adaboost中引入遗传算法(ga)的思想改进其搜索性能,并利用改进的adaboost选择与gabor参数矩阵元素对应的最优特征来构建强分类器,从而通过特征选择的方法降低gabor特征的维数和冗余，减少计算量;最后,在构建多个强分类器的基础上,提出多表情分类算法实现面部表情的分类识别。基于matlab的实验结果表明,该算法的平均表情识别率为89.67%,且最优特征的选取效率得到明显提高。