为了降低人脸表情识别对待识别个体的依赖程度,控制识别字典规模,增加识别准确度,提出了一种基于协作低秩和分层稀疏的表情识别字典构建方法。通过协作低秩和分层稀疏表示(C-Hi SLR)有效分离与待识别个体相关部分,保留表情变化部分,并结合标签一致区分字典学习(LC-KSVD)算法,进行相应待训练表情序列的重构识别和对应类别字典的区分程度的优化学习。该方法在CK+数据集上进行验证,识别效果较一般基于稀疏表示模型算法有明显的提升。 然后通过求解的稀疏系数和低秩矩阵进行字典原子的更新，在不断迭代过程中，获得最佳的分类字典。将式(13)的求解算法简单描述为以下2步:1)利用C-HiSLＲ求解稀疏表示系数X和低秩分解矩阵Lnew;2)根据求解后的(X，Lnew)利用式(13)、式(14)进行字典学习。3实验结果所有实验均选用CK+数据集，由321组被标记的情感序列够成(生气、蔑视、厌恶、害怕、开心、悲伤、惊讶)，从每类表情中随机选取10个序列初始化字典，5个用于测试。为了比较实验效果，利用为C-HiSLＲ和C-HiLasso算法进行对比实验。图2给出了通过学习后的部分字典，横向为相同表情类，纵向为不同表情类。选取出3类表情，即生气、轻蔑、厌恶。从图1可以发现，本文有张家港市泰宇机械有限公司全自动滚圆机采集网络整理 http://www.gunyuanji.com  超声波电机转速-数控滚圆机滚弧机价格低电动滚圆机滚弧机多少钱有利于分类表示的部分为图像中高亮的部分，表情变化共同特性主要集中在眉、眼、鼻和嘴等五官部位，而其他特征对表情识别贡献并不大，甚至对识别造成干扰。图1经过本文算法学习后的部分稀疏字典图2经过本文算法获取的惊讶类表情序列恢复实验过程中，从每类表情随机选取10个序列初始化字典，5个用于测试，其余用于训练字典，初始字典时采用减去第一帧的方式进行表情变化的提取，为了便于比较训练算法与其他算法的识别率，本文算法和C-HiSLＲ的测试样本和训练样本均采用原始序列进行验证，C-HiLasso算法的测试样本和训练样本均采用减去第一帧的方式。图2为经过本文算法获取的表情序列恢复。由图2(c)发现该表情变化主要部分被有效分离和表示。表1为本文算法在CK+数据集验证的混淆矩阵，其中生气、轻蔑、开心、悲哀、惊讶等表情识别较准确，而其他类别表情主要干扰是和‘生气’类表情变化近似。对照表2可以发现，相对而言在表情变化细微的(生气、轻蔑、厌恶)表表1本文算法在CK+数据集验证的针对行波超声波电机运行过程中的较强时变性与非线性特征,引入了一种比例—积分—微分神经元网络(PIDNN)电机速度控制器。控制器网络融合了状态转换函数,具备动态映射能力,利用PID控制律先验知识确定权值初值,通过可变学习速度反传算法(VLBP)在线学习,使训练结果快速收敛,不易陷入局部极小,从而实现对超声波电机稳定快速的控制。采用参数变化电机模型对控制器进行仿真校验,仿真结果表明:方法具有较快的响应速度和较高的鲁棒性,能通过在线学习补偿电机运行过程中的非线性。 超声波电机转速-数控滚圆机滚弧机价格低电动滚圆机滚弧机多少钱本文有张家港市泰宇机械有限公司全自动滚圆机采集网络整理 http://www.gunyuanji.com