基于小波变换与弹性图匹配的表情识别方法new

《基于小波变换与弹性图匹配的表情识别方法new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、http://www.paper.edu.cn基于小波变换与弹性图匹配的表情识别方法1),2)1),2)1),曹宇嘉赵力邹采荣1)东南大学无线电工程系,江苏,南京（210096）2)东南大学学习科学研究中心,江苏,南京（210096）E-Mail：yujia_cao@seu.edu.cn摘要：本文提出了一种基于小波变换和弹性图匹配的表情识别方案。弹性图匹配算法和Gabor小波变换都对脸部姿势和光照变化有较好的鲁棒性,从而保证了本表情识别方案的性能。为了有效的表征表情信息，我们将表情特征点选取在面部富含表情信息的某些局部区域。在国际

2、标准表情库JAFFE上进行的识别实验表明：本方案的平均表情识别率达到93.4%，单种表情最高识别率达到100.0%，在识别表情的同时，本实验还能给出人脸识别的结果。关键词：表情识别，Gabor小波变换，弹性图匹配1、引言面部表情是人体语言的一部分，在人们日常的交流中起到至关重要的作用。1971年，美国著名心理学Ekman给出了六种基本表情的定义[1]，分别是：生气（Anger）、厌恶（Disgust）、害怕（Fear）、高兴（Happy）、伤心（Sad）、惊讶（Surprise）。这种分类方法对不同种族，年龄，性别的人群具有普遍的

3、意义。从心理学和生理学的角度对面部情感的研究已有较长的历史，然而从工程学的角度把情感作为信息与信号工学的研究对象来进行研究则是在20世纪80年代才还刚刚起步[2]。随着计算机视觉、人工智能等领域的迅速发展，表情识别技术作为高级人机交互的关键技术，正受到越来越多的重视。目前，应用于表情识别的典型方法有：主分量分析（PCA）[10][13]、Gabor小波法[13]、神经网络[11]、HMM[15]、点分布模型（PDM）[12]、光流法[14][16]以及脸部运动单元分析（FACS）[17]等等。本文将提出一种基于弹性图匹配的表情识别

4、方案。弹性图匹配（Elasticgraphmatching）由M.Lades等人[3]首先提出，并将之运用于人脸识别，起初的弹性图是矩形栅格状的。Wiskott[4]将弹性图节点定义到脸部某些特征明显的部分（如五官），并提出了弹性束图（Elasticbunchgraph）匹配方法。Kruger[19]进一步研究了各个节点分离能力的不同，提出根据分离能力的大小给赋予节点不同的权重来提高识别率。此类方法对光照条件及脸部姿势的改变具有较好的鲁棒性，是迄今为止模式识别领域较为有效的识别算法之一。2、Gabor变换简介二维Gabor核函数是

5、一组具有高斯包络的平面波[3]，它具有与哺乳动物初级视觉系统中的一对简单神经元相似的感觉特性[6]，能够精确的提取图像的局部特征，且对位移、形变、旋转、尺度变化和光照变化都具有一定的容忍能力[4]。具体形式如下：r2r2r22rkkx⎡rrσ⎤ψ(x)=exp(−)⎢exp(ikx)−exp(−)⎥(1)22σ2σ⎣2⎦rkkcosϕv+2⎛x⎞⎛vµ⎞−ππk=⎜⎟=⎜⎟,k=22,ϕ=µ(2)⎜k⎟⎜ksinϕ⎟vµ8⎝y⎠⎝vµ⎠rrx代表种某一个象素的位置x=(i,j);σ是一个控制高斯频带宽度的参数(本文中取σ=2π).

6、中括号里的第二个指数项能够过滤直流分量，使小波核对平均光照强度的改变不敏感。该小波核函数可以在5个尺度（v=0,…,4）和8个方向（µ=0,…,7）上使用。将一副图像与小波核函数进行卷积即是小波变换：-1-http://www.paper.edu.cnrrrr2rC(x)=∫ψ(x−x′)I(x′)dx′(3)由此可见，如果将5个尺度和8个方向的小波核全部使用，生成一个特征矢量需要40次二维卷积运算，即使运用FFT和IFFT来完成卷积，运算量仍然十分可观。图1：(左1)原始图像(左2)v=2，µ=6，Gabor变换实部(中)v=2

7、，µ=6，Gabor变换模值(右2)v=4，µ=2，Gabor变换实部(右1)v=4，µ=2，Gabor变换模值由图1可见，当图像灰度变化平缓时，小波系数的模值较小，波动也较小；当某一方向的小波核遇到图像中该方向上的灰度剧变区域（边缘）时，小波系数的实部和虚部会发生振荡，模值增大，出现峰值。不同方向的小波核能够检测不同方向上的纹理及边缘信息，而小波核的尺度因子可以控制振荡的剧烈程度。这些特性对捕捉局部特征十分有用。3、弹性图匹配弹性图匹配的基本思想是：在图像上选取一些特征点来建立具有一定拓扑结构的弹性图，提取每个节点上的特征矢量，

8、定义相似度函数来计算特征矢量以及拓扑结构的相似程度，通过追求相似度的最大化来完成匹配。下文将详细说明。3.1、生成弹性图表情引起的肌肉运动通常表现在面部某些特定的局部区域中，比如：眉毛、眼睛、嘴巴、脸颊等等。在这些区域中定义特征点可以提高特征提取的