基于局部二值模式和非負(fù)矩陣分解的人臉表情識(shí)別.pdf

1、人臉表情識(shí)別是人機(jī)交互、情感計(jì)算、模式識(shí)別等領(lǐng)域的一個(gè)重要的研究熱點(diǎn)。人臉表情識(shí)別是生物特性辨識(shí)的一個(gè)重要分支，在金融安全、模式識(shí)別等領(lǐng)域受到了研究人員廣泛的關(guān)注。本文提出了一種基于分塊LBP（Local Binary Pattern，局部二值模式）和NMF（Non-negative Matrix Factorization，非負(fù)矩陣分解）的人臉表情識(shí)別方法。本文的研究工作主要有：
　?。?）研究了LBP特征提取方法在人臉表情識(shí)別

2、上的應(yīng)用以及特征提取時(shí)表情圖像的分塊大小對(duì)識(shí)別性能的影響。首先對(duì)人臉表情圖像采用LBP算子得到LBP特征圖，然后將LBP特征圖分為3×3塊，4×4塊，5×3塊，5×5塊，6×7塊，7×7塊，分別對(duì)每個(gè)子塊的LBP特征進(jìn)行統(tǒng)計(jì)得到每一塊的LBP直方圖，將所有子塊的LBP直方圖構(gòu)成一個(gè)聯(lián)合LBP直方圖，作為圖像的特征向量，實(shí)驗(yàn)結(jié)果表明在7?7分塊模式下能得到最好的識(shí)別結(jié)果。
　?。?）研究了基于PCA（Principal Compon

3、ent Analysis，主元分析法）和NMF的特征降維方法，并對(duì)這兩種不同降維方法進(jìn)行了實(shí)驗(yàn)對(duì)比，實(shí)驗(yàn)結(jié)果表明采用基于 NMF的特征降維方法能得到更好的識(shí)別結(jié)果。
　?。?）研究了基于CNN（Center-based Nearest Neighbor，中心最近鄰）的分類方法在人臉表情識(shí)別上的應(yīng)用，并與最近鄰分類和SVM（Support Vector Machine，支持向量機(jī)）這兩種分類方法進(jìn)行了對(duì)比，實(shí)驗(yàn)結(jié)果表明中心最近鄰算法