基于LBP多特征融合的人臉表情識別.pdf

1、隨著人臉識別的盛行，越來越多人開始關注計算機對人臉表情的識別。而這其中人臉檢測與特征提取在模式識別領域中占著重要的地位。目前針對表情識別中的人臉檢測和特征提取涌現(xiàn)大量經(jīng)典算法，有基于線性與非線性特征提取算法。其中局部二值模式得到較多的關注與研究。
　　該論文主要的工作核心與方向概括為以下三個方面：
　　針對傳統(tǒng)的Adaboost算法只關注分類錯誤率最小的問題，提出了基于LBP和代價敏感Adaboost相結合的人臉檢測方法。在

2、現(xiàn)有AdaBoost基礎上，對Adaboost算法加入敏感代價學習模型。首先對人臉圖像進行LBP特征提取，然后在訓練分類器階段引入代價敏感學習，對于數(shù)據(jù)集上的不同類別樣本根據(jù)錯分后造成的代價大小不同來更新樣本權值，改進后的算法由關注分類錯誤率最小轉而關注分類代價最小。
　　針對中心對稱局部二值模式(CS-LBP)算法在特征提取時水平對稱分量會對圖像識別帶來負面影響的問題，提出了增強中心對稱局部二值模式(Enhanced Cente

3、r-Symmetric Local Binary Pattern，ECS-LBP)和嵌入式隱馬爾可夫模型(Embedded Hidden Markov Model，EHMM)相結合的表情識別算法。首先提高圖像沿對角方向分量的優(yōu)先級，然后降低水平分量對圖像的負面影響，最后與嵌入式隱馬爾可夫模型相結合進行人臉表情識別。通過在CK人臉庫和JAFFE人臉庫上進行實驗，結果表明該算法的表情識別率明顯高出其他的局部二值模式算法的識別率。