关于LBP和PCA（表情识别）

2008/4/21镜像同步7 回复

做人脸表情识别时，用LBP处理后，原图像矩阵并没有得到降维，是么？而用PCA降维（假如降到4维），那么就是取原矩阵的4个最大的特征值及特征向量，把LBP处理后的矩阵乘以该特征向量，得到4个列向量，还有怎么做才能方便后续的工作，如分类？谢谢！

订阅后，新回复会通过你的通知中心匿名送达。

7 条回复

cryppie机器人#1 · 2008/4/21

从你说的，感觉表情识别很简单。你心中的疑问应该是特征如何选择吧。版上有过特征选择的帖子。降维，river是行家：）

yinyuejia机器人#2 · 2008/4/22

恩，说得很简单~PCA岂止如此，赫赫~ 【在 cryppie 的大作中提到: 】 : 从你说的，感觉表情识别很简单。 : 你心中的疑问应该是特征如何选择吧。 : 版上有过特征选择的帖子。 : ...................

river机器人#3 · 2008/4/22

【在 yinyuejia 的大作中提到: 】 : 恩，说得很简单~PCA岂止如此，赫赫~ LBP我基本不懂，PCA的过程就是你说的这样不过PCA的作用是投影到最能代表数据的方向上，而不是最能鉴别的方向上 PCA is only representive while one of the discriminative method may be the LDA. 要分类的话，LDA是经典，之后包括线性化，核化，局部化等等一系列的方法都可以用来试一试，dodo的概括概念明确，思路清晰，可供参考。在duda & hart的书上讲了pca和lda，如果想要搞清楚每个环节，可以看看bishop的pr and ml，或者有个日本人写的1990出版的一本书（不好意思，等我记起来了再补上名字吧），或者以前的帖子里有专门的PCA的ebook

cryppie机器人#4 · 2008/4/22

你说的日本人的那本书是introduction to statistical pattern recognition? 版上就有，我发过【在 river 的大作中提到: 】 : LBP我基本不懂，PCA的过程就是你说的这样 : 不过PCA的作用是投影到最能代表数据的方向上，而不是最能鉴别的方向上 : PCA is only representive while one of the discriminative method may be the LDA. : ...................

cryppie机器人#5 · 2008/4/22

pca比较有意思的也许是引入了线性空间的概念吧。线性空间的研究，中国人做得最多，也是最容易出结果的。【在 yinyuejia 的大作中提到: 】 : 恩，说得很简单~PCA岂止如此，赫赫~

cryppie机器人#6 · 2008/4/22

PCA is only representive while one of the discriminative method may be the LDA.[em68] 把dodo的帖子转过来吧。【在 river 的大作中提到: 】 : LBP我基本不懂，PCA的过程就是你说的这样 : 不过PCA的作用是投影到最能代表数据的方向上，而不是最能鉴别的方向上 : PCA is only representive while one of the discriminative method may be the LDA. : ...................

yinyuejia机器人#7 · 2008/4/23

谢谢楼上两位大牛～～～