基于二維MB-LGBP特征的表情識(shí)別及其光照檢測(cè)研究.pdf

1、目前表情識(shí)別已經(jīng)成為模式識(shí)別和機(jī)器視覺(jué)研究領(lǐng)域的一個(gè)活躍分支,越來(lái)越多的研究者開(kāi)始關(guān)注這個(gè)領(lǐng)域。很多相關(guān)的實(shí)際應(yīng)用都要求能夠在單幅圖像中完成表情識(shí)別任務(wù),由于靜態(tài)圖像中所含有的表情信息量相對(duì)較少,在其上的表情識(shí)別較之基于視頻序列的表情識(shí)別更為困難。為了在獨(dú)立于個(gè)體身份,基于單幅面部圖像的表情識(shí)別中取得更加理想的效果,本文探索幾種不同的特征在表情識(shí)別中的效果,并嘗試通過(guò)特征加權(quán)改善分類(lèi)性能；同時(shí)就變化光照下的表情識(shí)別這一頗具挑戰(zhàn)性的問(wèn)題進(jìn)

2、行了研究,提出了一種能夠在表情圖像中檢測(cè)光照條件的方法。論文的主要工作和創(chuàng)新點(diǎn)如下:
　　 (1)在特征提取環(huán)節(jié),將 Gabor多分辨率分析的思想同 MB-LBP編碼的概念相結(jié)合,從而得到了對(duì)于圖像局部和整體信息都有較好描繪能力的多尺度局部Gabor二進(jìn)制模式(Multi-block Local Gabor Binary Patterns,MB-LGBP)復(fù)合特征。
　　 (2)考慮到區(qū)分不同的表情需要對(duì)圖像局部紋理比較

3、精確的描述,而LBP特征是對(duì)圖像紋理的一階描述,不能反映其空間結(jié)構(gòu)信息,單純通過(guò)對(duì)圖像分區(qū)的方法無(wú)法從根本上解決這個(gè)問(wèn)題。因此,本文以灰度共生矩陣(GLCM)替代傳統(tǒng)的直方圖,提出了一種能夠表征空間特定結(jié)構(gòu)信息的二維 LBP特征,進(jìn)而又根據(jù)特征融合的思路得到了2維MB—LGBP復(fù)合特征作為分類(lèi)特征。
　　 (3)在識(shí)別中,選用C-SVM作為分類(lèi)器,并提出了一種適用于兩兩分類(lèi)、依賴(lài)于二分器的特征加權(quán)機(jī)制,對(duì)于每次兩兩分類(lèi)都使用不同

4、的權(quán)重分布。同其他在表情識(shí)別中被廣泛采用的分類(lèi)器相比,本文的方法取得了更加理想的識(shí)別率。
　　 (4)為解決在表情識(shí)別中的光照干擾問(wèn)題,提出了一種基于三維表征臉(Representative Face,RF)和聚類(lèi)的方法來(lái)識(shí)別某幅二維人臉表情圖像中的光照條件,從而為進(jìn)一步消除光照干擾做好了準(zhǔn)備。該方法利用 K-Means技術(shù)對(duì)三維模型中的面部主要器官位置進(jìn)行聚類(lèi),在此基礎(chǔ)上生成表征臉模型,使得光照條件的匹配僅需基于表征臉進(jìn)行。同