基于CECBP與顯著區(qū)域特征決策的人臉表情識(shí)別算法研究.pdf

1、人臉表情識(shí)別是在計(jì)算機(jī)視覺(jué)、人工智能和模式識(shí)別等前沿領(lǐng)域中非常活躍的研究課題，在智能人機(jī)交互和智能家居等領(lǐng)域中具有極其廣泛的應(yīng)用前景。在現(xiàn)實(shí)生活中的醫(yī)療和信息安全等方面，人臉表情識(shí)別也有著許多重要的實(shí)際應(yīng)用。正因?yàn)樵摲较蚓哂惺种匾睦碚撘饬x和市場(chǎng)價(jià)值，越來(lái)越多的學(xué)者們加入到人臉表情識(shí)別技術(shù)的研究工作中來(lái)。
　　人臉表情識(shí)別系統(tǒng)大體可分為三個(gè)階段:人臉檢測(cè)和圖像預(yù)處理、特征提取和分類。隨著人臉表情識(shí)別技術(shù)研究的不斷深入，特征提取方

2、面的一些難題也不斷凸顯出來(lái)，比如說(shuō)特征提取算法的魯棒性、實(shí)時(shí)性以及穩(wěn)定性。本文分別研究基于幾何特征和基于紋理特征的傳統(tǒng)特征提取算法，重點(diǎn)分析了基于紋理特征提取算法的優(yōu)勢(shì)與不足，針對(duì)傳統(tǒng)算法的局限性來(lái)提出改進(jìn)算法。論文的主要工作和貢獻(xiàn)如下:
　　(1)通過(guò)對(duì)表情識(shí)別系統(tǒng)中紋理特征提取方法的研究，發(fā)現(xiàn)已有的一些特征提取算法的不足，提出了一種多尺度中心誤差補(bǔ)償二值模式（Center ErrorCompensation Binary Pa

3、ttern，CECBP）的表情識(shí)別算法。首先對(duì)預(yù)處理后的人臉表情圖像創(chuàng)建多尺度金字塔;然后使用中心誤差補(bǔ)償二值模式算子對(duì)金字塔中的各層圖像進(jìn)行編碼;最后將編碼后的各層直方圖序列分塊提取并作為特征，用支持向量機(jī)對(duì)CECBP特征進(jìn)行分類。在JAFFE、Cohn-Kanade以及Pain Expression表情庫(kù)上的交叉驗(yàn)證表明:該方法具有較高的識(shí)別率和較快的識(shí)別速度，在抑制噪聲方面也有很好的效果，比傳統(tǒng)的Gabor小波以及LBP更具有優(yōu)勢(shì)

4、。
　　(2)深入研究人臉表情識(shí)別技術(shù)，為了進(jìn)一步提高表情識(shí)別率和系統(tǒng)魯棒性，在CECBP算法基礎(chǔ)上引入圖像顯著區(qū)域和梯度方向直方圖（Histogram of OrientedGradient, HOG）特征，提出基于顯著區(qū)域特征決策算法。該算法首先根據(jù)面部不同區(qū)域的信息豐富程度，利用信息熵來(lái)定位圖像顯著區(qū)域;再對(duì)這些區(qū)域分別提取CECBP特征，對(duì)整個(gè)顯著區(qū)域提取HOG特征;最后將這些特征送到SVM分類器中，根據(jù)各分類器的不同權(quán)值