基于Gabor小波和2DPCA方法的人臉表情識(shí)別算法.pdf

1、人臉表情識(shí)別（Facial Expression Recognition，簡(jiǎn)稱FER）是在人臉識(shí)別的基礎(chǔ)上發(fā)展起來的一個(gè)重要分支。在日常生活交往中，表情傳送的信息量達(dá)到55％，遠(yuǎn)遠(yuǎn)高于語(yǔ)言傳達(dá)的7%的信息量。因此透過表情能更清楚的分析一個(gè)人的內(nèi)心活動(dòng)以及其對(duì)一件事情的看法。表情識(shí)別應(yīng)用于眾多領(lǐng)域，如神經(jīng)分析、人機(jī)交互、機(jī)器視覺、行為科學(xué)等。人臉表情識(shí)別中由于表情特征維數(shù)大導(dǎo)致識(shí)別效率低，本文結(jié)合Gabor變換和2DPCA提出了基于Gab

2、or小波和2DPCA的人臉表情識(shí)別算法，并利用最近鄰分類和支持向量機(jī)對(duì)表情進(jìn)行分類，最高獲得了94.29%的識(shí)別率。
　　首先，對(duì)表情圖像進(jìn)行預(yù)處理得到歸一化的樣本圖像。圖像的預(yù)處理主要是實(shí)現(xiàn)分割人臉區(qū)域，歸一化圖像的大小，調(diào)整圖像的灰度，增強(qiáng)圖像的對(duì)比度等操作。
　　其次，本文采用基于外貌特征的Gabor小波提取表情的紋理特征。首先將多種尺度不同方向的Gabor濾波器分別與圖像進(jìn)行卷積，提取其紋理特征。由于一幅圖像經(jīng)過Ga

3、bo r小波提取出的特征維數(shù)相當(dāng)大，因此本文采用傳統(tǒng)二維主元分析（2DPCA）及其兩種改進(jìn)算法：左側(cè)二維主元分析（L2DPCA）和雙邊二維主元分析（B2 DPCA），分別對(duì)紋理特征進(jìn)行進(jìn)一步的最大無關(guān)特征向量提取，最后用主成分分析（PCA）對(duì)特征向量進(jìn)行降維處理得到一個(gè)行向量。這樣一幅表情圖像經(jīng)過特征提取以及降維后形成了一個(gè)代表此表情圖像特征的行向量，利用產(chǎn)生的行向量對(duì)表情進(jìn)行識(shí)別。
　　最后，本文分別利用最近鄰分類算法與支持向量

4、機(jī)對(duì)表情進(jìn)行識(shí)別。
　　實(shí)驗(yàn)選用日本女性人臉表情數(shù)據(jù)庫(kù)（Japanese Female Facial Expression, JAFFE）和康奈爾大學(xué)的表情數(shù)據(jù)庫(kù)（Facial Expression Database，K-FEDB）來進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，結(jié)合Gabor小波和2DPCA方法既有效的降低了表情圖像的特征維數(shù)，又保留了表情的基本特征信息，在實(shí)驗(yàn)中取得了較高的識(shí)別率。此外，傳統(tǒng)2 DPCA和B2DPCA在表情識(shí)別中的效