基于WMCBP-WWEF特征融合的隨機(jī)森林人臉表情識(shí)別.pdf

1、人臉表情識(shí)別是計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域的一個(gè)研究熱點(diǎn),引起越來(lái)越多的國(guó)內(nèi)外研究者的廣泛關(guān)注。人臉表情識(shí)別的目標(biāo)是讓人工智能產(chǎn)品能夠自動(dòng)識(shí)別出人的表情,進(jìn)而分析人的內(nèi)心情感。它能進(jìn)一步增強(qiáng)人機(jī)交互的友好性和智能性,有著廣泛的應(yīng)用前景和潛在的市場(chǎng)價(jià)值。
　　表情識(shí)別系統(tǒng)由以下幾部分組成:人臉檢測(cè)、圖像預(yù)處理、人臉特征提取和表情分類(lèi)。本文重點(diǎn)研究了靜態(tài)圖像表情識(shí)別中的一些關(guān)鍵問(wèn)題,提出了一些改進(jìn)的算法,并通過(guò)實(shí)驗(yàn)加以驗(yàn)證。論文的主要工作

2、和創(chuàng)新點(diǎn)如下:
　　(1)表情圖像預(yù)處理:由于各種圖像尺寸不同、角度不同、并會(huì)有多種光照條件的影響,因此采用均值方差歸一化、幾何規(guī)范化處理等方法對(duì)圖像進(jìn)行預(yù)處理。成功的預(yù)處理為提高表情識(shí)別率奠定了良好的基礎(chǔ)。
　　(2)特征提取環(huán)節(jié):針對(duì)現(xiàn)有的多尺度中心化二值模式(Multi-scaleCentralBinaryPatten,MCBP)的不足,提出一種基于小波的MCBP(WMCBP)的人臉表情識(shí)別方法,對(duì)小波分解后的兩幅低頻

3、圖像的特征區(qū)域進(jìn)行CBP變換,得到多級(jí)局部CBP直方圖序列特征。該方法不僅能獲得更加準(zhǔn)確的多尺度信息,而且明顯的提高了識(shí)別速度。為進(jìn)一步提高表情識(shí)別率,引入了高頻區(qū)域提取到的加權(quán)的小波能量特征(WeightedWaveletEnergyFeature,WWEF)。這兩部分特征在一定程度上可互補(bǔ),將它們?nèi)诤夏茉诓幻黠@增加運(yùn)算量的前提下增強(qiáng)WMCBP的表情識(shí)別能力。
　　(3)表情分類(lèi)環(huán)節(jié):隨機(jī)森林算法(RandomForest,RF