基于局部特征的面部遮擋表情識別方法研究.pdf

1、人臉表情識別技術(shù)在生理學(xué)、心理學(xué)、圖像處理、模式識別和機器視覺等領(lǐng)域是一個極具挑戰(zhàn)性的交叉課題。隨著表情識別的深入研究，研究人員發(fā)現(xiàn)，太陽鏡、口罩、圍巾等裝飾物都會造成面部遮擋。本文先對典型遮擋形式（眼部、嘴部、左部和右部遮擋）展開了研究，在充分考慮遮擋的隨機性特點（遮擋可以發(fā)生在人臉的任何地方，遮擋范圍的大小和形狀是未知的）的情況下，又對隨機遮擋情況下的表情識別進(jìn)行了研究，本文的主要研究內(nèi)容如下:
　　1、典型遮擋形式的表情識別

2、
　　1)表情圖像預(yù)處理與表情區(qū)域分割。由于數(shù)據(jù)庫中的表情圖像稍有頭部傾斜和尺寸大小不一，需要經(jīng)過預(yù)處理來消除這些差異。本文通過旋轉(zhuǎn)使眼睛水平面對準(zhǔn)，并根據(jù)兩眼間的距離從原始的表情圖像裁剪出實驗用只含正面人臉表情的矩形區(qū)域。將兩數(shù)據(jù)庫中的表情圖像尺寸歸一化為128×104，并利用直方圖均衡化來增強表情圖像某些區(qū)域的局部對比度。對于人臉表情而言，不同表情類間的顯著特征主要集中在眼睛、鼻子和嘴區(qū)域。為了更好的提取眼睛、鼻子和嘴三個區(qū)域

3、的紋理特征，來減少遮擋對人臉表情識別的影響，本文將人臉表情圖像分割成2行3列共6個區(qū)域。
　　2)針對局部遮擋造成辨識信息缺失問題，提出了基于韋伯局部描述(Weber LocalDescriptor，WLD)直方圖的特征提取方法。WLD可以模擬人類感知來提取圖像顯著變化的特征，通過差異激勵計算顯著的微小模式，并建立與這些顯著模式在該像素點上沿梯度方向上的統(tǒng)計信息。WLD算子可以看作是把局部二值模式在計算像素間強度和尺度不變特征轉(zhuǎn)換

4、在使用梯度方向信息方面的優(yōu)勢進(jìn)行結(jié)合的一種產(chǎn)物。
　　3)針對提取的表情局部特征以及遮擋對人臉表情圖像的影響，主要集中于圖像的某一連續(xù)區(qū)域，對這一區(qū)域影響較大，而對于其他的區(qū)域影響較小的特點，提出了基于線性依賴模型的分類器融合方法?；诜謮K決策的策略是有效的解決遮擋的另一種途徑，分塊決策的主要思想就是將人臉表情圖像分成若干塊，針對每塊設(shè)計一個分類器，最后融合每個分類器的輸出得到待測表情圖像的所屬類別。
　　2、隨機遮擋情況下