基于局部三值模式和稀疏表示的表情識別研究.pdf

1、人臉表情識別(Facial Expression Recognition，F(xiàn)ER)技術(shù)作為計算機(jī)科學(xué)與人機(jī)交互領(lǐng)域一個重要組成部分，受到了眾多學(xué)者的重視。人臉表情識別技術(shù)實際是一門綜合性學(xué)科，開始應(yīng)用于生理學(xué)、心理學(xué)、模式識別等領(lǐng)域。
　　本文詳細(xì)闡述了表情識別技術(shù)中涉及的幾個核心技術(shù)點：特征提取與降維、分類等，討論并總結(jié)了幾種典型方法的優(yōu)缺點，針對某些方法存在的問題提出了解決方法。主要研究了如下內(nèi)容：
　　1.針對局部三值

2、模式(Local Ternary Pattern，LTP)缺少對圖像全局形變、輪廓特征描述的問題和離散余弦變換(Discrete Cosine Transform，DCT)缺少對圖像局部紋理特征描述的問題，提出融合 LTP和 DCT的表情特征提取方法。首先將單層二維離散 haar小波變換應(yīng)用于人臉圖像以獲得信息量較少但有效的低頻圖像，對每塊圖像使用LTP算子以獲得用于表情識別的LTP特征；然后將離散余弦變換應(yīng)用于表情圖像以獲取低頻系數(shù)，

3、此系數(shù)即為用于表情識別的DCT特征；然后使用快速主成分分析(Fast Principal Component Analysis，F(xiàn)astPCA)方法實現(xiàn)LTP和DCT融合特征的有效降維以獲得完整有效的面部表情特征；最后利用支持向量機(jī)(Support Vector Machine，SVM)進(jìn)行分類識別。實驗結(jié)果表明，所使用的方法在識別準(zhǔn)確率上優(yōu)于單一全局或局部特征。
　　2.針對傳統(tǒng)的基于稀疏表示的表情分類方法識別率低的問題，提出基