生物识别人脸表情特征分类加强指纹门禁读头验证准确度

　　表情分类方法和表情特征的提取方法是密切联系在一起的。按照使用图像数据的不同大体可分为两类：基于静态图像的方法和基于动态图像的方法。按照分类器选择和设计是否使用时间信息可分为空域法和时域法。没有使用时间信息的分类方法称为空域方法，而使用时间信息的分类方法称为时空域方法。
 

　　1)时空域方法
 

　　该类方法通过分析图像序列中人脸的变化，以人脸的变形信息为特征来进行表情识别。目前普遍采用的主要是隐马尔可夫模型(HMM)和光流模型法。隐马尔可夫模型能够有效地对动态信息进行建模，用HMM方法进行分类需要确定其初始和终结状态，因此一般用于单独的表情序列或分割好的表情序列。此外，递归神经网络也常用于人脸表情分类中。另一种方法称为时空运动能量模板，该方法将人脸部的运动用2D运动场来表示，而两模板之间的欧氏距离常用来估计人脸表情。
 

　　2)空域法
 

　　该类方法以静态图像作为输入，通过统计分析人脸特征不同表情的差异进行表情识别。一般使用整幅图像作为输入或者使用经过处理的图像或经过特征表示处理的图像作为输入。人工神经网络也是一种典型的基于空域的方法，由于人工神经网络往往难以训练，Kaiser提出一种基于规则的神经网络方法'先从人的观察角度出发来制定一些规则，然后借助特征提取得处的参数，判断它符合哪一类规则，将其归入相应的类别；Michel等采用支持向量机作为分类器；Chen等采用聚类( clustering)方法构造分类器；Wang等用扩展的Adaboost算法构造强分类器进行表情识别，不同分类器针对不同的特征，通过训练可以达到特征选择的目的，将它们结合起来的AdaSVM方法用于表情分类也取得了较好的效果。
 

　　看完了上面人脸表情特征的分类，记得到我们看一下我们的指纹产品哦，我们这里有防止假指纹的指纹门禁一体机，指纹门禁考勤一体机，指纹门禁读头。生物识别人脸表情特征分类有助于提升指纹门禁一体机，指纹门禁考勤一体机，指纹门禁读头指纹识别的准确度。