基于局部二值模式的人脸表情识别算法研究

发布时间：2022-07-03 14:40

　　人脸表情作为传递情感信息的载体,在人机交互过程中发挥着不可替代的作用。传统表情特征提取方法灵活性差,提取的特征容易受到复杂环境影响。而使用深度学习方法获取特征需要大量的训练数据,数据量不足会导致模型产生过拟合,同时训练深层神经网络耗时费力。因此,研究表情特征获取以及提高表情识别率的有效方法是人脸表情识别技术研究的重点。针对LBP特征易受噪声干扰,并且LBP特征采用单个像素点灰度值之间的比较方式难以描述灰度变化,忽略了表情图像的整体结构,导致部分特征信息丢失。本文通过扩展LBP算子的邻域尺寸,提出了一种改进的LBP特征提取算法。该算法采用局部邻域像素点的加权灰度值代替单个邻域像素点的灰度值,将邻域像素点的加权灰度值与中心像素点的灰度值做差运算取其绝对值,然后将其平均值用于LBP编码进行表情特征提取,加强了表情图像中各像素点之间的联系。针对人脸表情特征分类,考虑SVM具有强大的非线性分类能力,将改进的LBP特征与SVM分类器结合,设计了一种人脸表情识别方法。该方法首先采用改进LBP算法对经过预处理的表情图像提取特征向量,然后通过一对一策略构建SVM分类器,对获取的表情特征进行学习。利用公开... 

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

基于CNN

CK人脸表情数据集

JAFFE人脸表情数据集


本文编号：3655061