论文部分内容阅读
提出一种使用卡方图对高维特征向量样本集进行正态评估,并通过平方根变换处理,使样本集更接近正态分布的方法,称为无溢出正态归整方法.该方法解决高维特征样本对隐马尔柯夫模型(HMM)输出概率的溢出问题,其可行性在 CED-WYU(1.0)及 Cohn-Kanade(CMU)表情序列库上得到验证.利用连续 HMM 进行的基于光流特征的非特定人脸表情识别实验,采用正态归整得到更好的结果.