基于靜態(tài)圖像人臉表情識別的研究與實現(xiàn).pdf

1、在計算機技術(shù)得到快速發(fā)展的當今社會中，人臉表情識別在各個領(lǐng)域中發(fā)揮的作用愈發(fā)重要，且逐漸發(fā)展為科研領(lǐng)域中極為熱門的課題。本文分別從全局特征提取方法中的Gabor小波變換、LBP算子、LPQ算子和局部特征提取方法中的SIFT算子兩個角度出發(fā)，對于基于靜態(tài)圖像的人臉表情識別算法進行了研究，主要工作如下：
　　（1）研究了基于Gabor變換融合LBP和LPQ的算法在人臉表情識別中的應(yīng)用。LBP算子和LPQ算子在提取表情圖像的局部特征方面

2、表現(xiàn)優(yōu)秀，但存在只能在單一尺度進行描述的不足。而Gabor小波在方向選擇性、尺度選擇特性以及對光照變化的魯棒性方面有著獨特的優(yōu)勢。本文將兩者的優(yōu)點相結(jié)合，首先對人臉圖像提取Gabor特征，然后對每個Gabor卷積圖像分別用LBP算子和LPQ算子進行編碼，得到更能表征人臉表情信息的LGBP和LGPQ特征，并進行特征融合。為了進一步降低特征的維度并且提高計算效率，采用PCA+LDA方法對融合后的特征進行降維。實驗結(jié)果表明基于Gabor變換的

3、方法可以有效地提高表情識別的準確率，提升幅度超過20%。
　?。?）研究了改進的詞袋模型在人臉表情識別中的應(yīng)用。由于對整幅表情圖像構(gòu)建的視覺詞典缺乏足夠高的區(qū)分度，本方法對傳統(tǒng)的詞袋模型做出了改進。通過引入感興趣區(qū)域的思想，把對于人臉表情識別貢獻較高的眼部和嘴部兩個區(qū)域作為表情圖像的感興趣區(qū)域。只針對感興趣區(qū)域提取DSIFT特征并構(gòu)建視覺詞典，最后將得到的兩個視覺詞匯頻率直方圖線性合并后用于人臉表情識別。研究結(jié)果表明，改進后的方法

4、較傳統(tǒng)的詞袋模型相比，識別率有3%左右的提升。
　?。?）研究了改進的空間金字塔匹配算法在人臉表情識別中的應(yīng)用。空間金字塔匹配通過加入圖像特征的空間結(jié)構(gòu)信息可以有效地改善詞袋模型。本方法對兩個感興趣區(qū)域應(yīng)用詞袋模型后分別進行空間金字塔匹配，對得到的特征進行合并以得到區(qū)分度更高的圖像特征。由于空間金字塔匹配后的特征維度較大，分別引入直方圖交叉核和基于ReliefF的特征降維兩種方法對其進行降維。直方圖交叉核方法在降低維度的同時，可以