融合局部特征的面部遮挡表情识别

发布时间：2017-10-15 16:20

  本文关键词：融合局部特征的面部遮挡表情识别

  更多相关文章： 人脸表情识别 局部遮挡 差值中心对称局部二值模式(DCS-LBP) 梯度中心对称局部方向模式(GCS-LDP) 自适应加权

【摘要】：目的针对人脸表情识别中存在局部遮挡的问题,提出一种融合局部特征的面部遮挡表情识别方法。方法首先,为了减少噪声的影响,利用高斯滤波对归一化后的图像进行去噪处理;然后根据人脸不同部位对表情识别的不同贡献度,将图像划分为两个重要的子区域,并分别对该子区域进行不重叠分块处理;采用改进的中心对称局部二值模式(差值中心对称局部二值模式DCS-LBP)和改进的差值局部方向模式(梯度中心对称局部方向模式GCS-LDP)对各个子块提取相应的特征,并采用级联的方式得到图像的特征直方图;最后结合最近邻分类器对表情图像进行分类识别:利用卡方距离求取测试集图像与训练集图像特征直方图之间的距离,同时考虑到遮挡的干扰以及每个子块包含信息量的不同,利用信息熵对子块得到的卡方距离进行自适应加权。结果在日本女性人脸表情库(JAFFE)和Cohn-Kanade(CK)人脸表情库上进行了3次交叉实验。在JAFFE库中随机遮挡、嘴部遮挡和眼部遮挡分别可以取得92.86%、94.76%和86.19%以上的平均识别率;在CK库中随机遮挡、嘴部遮挡和眼部遮挡分别可以取得99%、98.67%和99%以上的平均识别率。结论该特征提取方法通过融合梯度方向上灰度值的差异以及梯度方向之间边缘响应值的差异来描述图像的特征,更加完整地提取了图像的细节信息。针对遮挡情况,本文采用的图像分割和信息熵自适应加权方法,有效地降低了遮挡对表情识别的干扰。在相同的实验环境下,与经典的局部特征提取方法以及遮挡问题处理方法的对比表明了该方法的有效性和优越性。
【作者单位】： 合肥工业大学计算机与信息学院情感计算与先进智能机器安徽省重点实验室;德岛大学先端技术科学教育部;
【关键词】： 人脸表情识别 局部遮挡 差值中心对称局部二值模式(DCS-LBP) 梯度中心对称局部方向模式(GCS-LDP) 自适应加权
【基金】：国家自然科学基金项目(61300119,61432004) 安徽省自然科学基金项目(1408085MKL16)~~
【分类号】：TP391.41
【正文快照】： 0引言 近年来,人脸表情识别研究受到了广泛关注,其相关技术也越来越成熟,但大多数研究和技术实现是在受控条件下进行的。随着表情识别研究的深入,研究者们发现在实际应用中,需要鲁棒的人脸表情识别方法来克服光照、遮挡和姿态等问题[1]。在遮挡情况下的人脸表情识别方面,Buci

【参考文献】

中国期刊全文数据库 前7条

1 李照奎;丁立新;王岩;何进荣;丁国辉;;基于差值局部方向模式的人脸特征表示[J];软件学报;2015年11期

2 赵恒;俞鹏;;基于主动表观模型姿态矫正和局部加权匹配人脸识别[J];中国图象图形学报;2013年12期

3 刘帅师;田彦涛;万川;;基于Gabor多方向特征融合与分块直方图的人脸表情识别方法[J];自动化学报;2011年12期

4 薛雨丽;毛峡;Caleanu Catalin-Daniel;吕善伟;;遮挡条件下的鲁棒表情识别方法[J];北京航空航天大学学报;2010年04期

5 付晓峰;韦巍;;基于多尺度中心化二值模式的人脸表情识别[J];控制理论与应用;2009年06期

6 薛雨丽;毛峡;郭叶;吕善伟;;人机交互中的人脸表情识别研究进展[J];中国图象图形学报;2009年05期

7 刘晓e，

本文编号：1038104