基于CECBP與顯著區(qū)域特征決策的人臉表情識別算法研究.pdf

1、人臉表情識別是在計算機視覺、人工智能和模式識別等前沿領域中非常活躍的研究課題，在智能人機交互和智能家居等領域中具有極其廣泛的應用前景。在現(xiàn)實生活中的醫(yī)療和信息安全等方面，人臉表情識別也有著許多重要的實際應用。正因為該方向具有十分重要的理論意義和市場價值，越來越多的學者們加入到人臉表情識別技術的研究工作中來。
　　人臉表情識別系統(tǒng)大體可分為三個階段:人臉檢測和圖像預處理、特征提取和分類。隨著人臉表情識別技術研究的不斷深入，特征提取方

2、面的一些難題也不斷凸顯出來，比如說特征提取算法的魯棒性、實時性以及穩(wěn)定性。本文分別研究基于幾何特征和基于紋理特征的傳統(tǒng)特征提取算法，重點分析了基于紋理特征提取算法的優(yōu)勢與不足，針對傳統(tǒng)算法的局限性來提出改進算法。論文的主要工作和貢獻如下:
　　(1)通過對表情識別系統(tǒng)中紋理特征提取方法的研究，發(fā)現(xiàn)已有的一些特征提取算法的不足，提出了一種多尺度中心誤差補償二值模式（Center ErrorCompensation Binary Pa

3、ttern，CECBP）的表情識別算法。首先對預處理后的人臉表情圖像創(chuàng)建多尺度金字塔;然后使用中心誤差補償二值模式算子對金字塔中的各層圖像進行編碼;最后將編碼后的各層直方圖序列分塊提取并作為特征，用支持向量機對CECBP特征進行分類。在JAFFE、Cohn-Kanade以及Pain Expression表情庫上的交叉驗證表明:該方法具有較高的識別率和較快的識別速度，在抑制噪聲方面也有很好的效果，比傳統(tǒng)的Gabor小波以及LBP更具有優(yōu)勢

4、。
　　(2)深入研究人臉表情識別技術，為了進一步提高表情識別率和系統(tǒng)魯棒性，在CECBP算法基礎上引入圖像顯著區(qū)域和梯度方向直方圖（Histogram of OrientedGradient, HOG）特征，提出基于顯著區(qū)域特征決策算法。該算法首先根據(jù)面部不同區(qū)域的信息豐富程度，利用信息熵來定位圖像顯著區(qū)域;再對這些區(qū)域分別提取CECBP特征，對整個顯著區(qū)域提取HOG特征;最后將這些特征送到SVM分類器中，根據(jù)各分類器的不同權值