基于ar-lgc的人脸表情识别-中国图象图形学报

基于ar-lgc的人脸表情识别-中国图象图形学报

ID:15773960

大小:521.50 KB

页数:10页

时间:2018-08-05

基于ar-lgc的人脸表情识别-中国图象图形学报_第1页
基于ar-lgc的人脸表情识别-中国图象图形学报_第2页
基于ar-lgc的人脸表情识别-中国图象图形学报_第3页
基于ar-lgc的人脸表情识别-中国图象图形学报_第4页
基于ar-lgc的人脸表情识别-中国图象图形学报_第5页
资源描述:

《基于ar-lgc的人脸表情识别-中国图象图形学报》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、中图法分类号:TP391文献标识码:A基于非对称局部梯度编码的人脸表情识别胡敏1,2,程轶红1,2,王晓华1,2,任福继1,2,许良凤1,黄晓音1,2(1合肥工业大学计算机与信息学院2情感计算与先进智能机器安徽省重点实验室合肥230009)摘要:目的针对局部梯度编码算子(LGC)只能在固定大小邻域内提取图像纹理特征的不足,提出了一种非对称邻域LGC算子(AR-LGC)多尺度融合的表情特征提取方法。方法首先,对归一化的表情图像进行Gauss滤波处理;然后,对图像进行分块,对每个子块图像中每一像素点,采用不同邻域大小的A

2、R-LGC算子得到两个二进制序列,将两个序列作按位逻辑异或得到一个新的序列,对此序列进行编码,计算每个子块的直方图分布,级联各子块直方图构成人脸表情的特征;最后用SVM分类器进行表情分类识别。结果该算法在JAFFE库和CK库上进行实验,分别取得了95.24%和96.83%的平均识别率,并与CBP(中心化二值模式)、LBP(局部二值模式)、LGC和AR-LBP(非对称局部二值模式)算法进行了比较,在JAFFE库的平均识别率分别比CBP、LBP、LGC、AR-LBP高5.6%、4.85%、3.71%、2.40%,在CK库

3、的平均识别率分别比CBP、LBP、LGC、AR-LBP高3.66%、2.50%、2.17%、1.66%,实验结果表明,该算法可以较准确的进行人脸表情识别。结论本文所提的表情特征提取方法通过融合不同梯度不同尺度子邻域间的强度关系,可以很好地表达图像的局部特征和全局特征,与典型的特征提取算法的对比实验也表明了本文算法的有效性,表明本文算法适用于静态人脸表情图像的识别。关键字:表情识别;非对称局部梯度编码;特征提取;多尺度融合;SVMFacialexpressionrecognitionbasedonasymmetricr

4、egionlocalgradientcodingHuMin1,2,ChengYihong1,2,WangXiaohua1,2,RenFuji1,2,XuLiangfeng1,HuangXiaoyin1,2(1.SchoolofComputerandInformationofHefeiUniversityofTechnology,2.AnhuiProvinceKeyLaboratoryofAffectiveComputingandAdvancedIntelligentMachine,Hefei230009,China)

5、Abstract:ObjectiveInordertoovercomethedeficiencythatLocalGradientCoding(LGC)onlyextracttexturefeatureintheneighborhoodofafixedsize,thispaperproposesanovelmulti-scaleAsymmetricRegionLocalGradientCoding(AR-LGC)fusionmethodforfeatureextractionoffacialexpression.Me

6、thodFirstly,thenormalizedfaceimageispreprocessedbyusingGaussianfiltertoreducetheimpactofnoise.Secondly,thepreprocessedexpressionimageisdividedintoseveralblocks.Foreachpixelofeachsub-blockimage,MultipleAsymmetricRegionLocalGradientCodingoperatorsofdifferentsizes

7、areusedtoobtaintwobinarysequences.ThesetwobinarysequencesarefusedintoanewbinarysequenceaccordingtothelogicalXOR.Secondly,thenewbinarysequenceisencoded,eachsubblockhistogramdistributionisstatisticedandallsubblockhistogramsarecascadedintotexturefeatureoffacialexp

8、ression.Finally,Theprocessofexpressionclassificationis基金项目:国家自然科学基金项目(61432004);安徽省自然科学基金项目:(1408085MKL16),国家自然科学青年基金项目(61300119);第一作者简介:胡敏(1967-),女,教授,硕士生导师,2004年6月获合肥工业大学计

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。