人脸微表情特征提取算法-研究

《人脸微表情特征提取算法-研究》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、原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。学位论文作者签名：日期：2014年12月18日关于学位论文版权使用授权的说明本人完全了解河北工业大学关于收集、保存、使用学位论文的规定。同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保

2、存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版；在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：日期：2014年12月18日导师签名：日期：2014年12月18日摘要微表情是人类试图压抑或隐藏真实情感时，泄露的非常短暂的、不能自主控制的面部表情，是谎言识别的有效线索，主要应用于安

3、全、司法、临床等领域。微表情拥有持续时间短且难以识别的特征，使得计算机自动识别微表情的研究仍处于初期阶段。微表情识别过程一般包括微表情图像预处理、微表情检测、微表情特征提取和微表情识别四个环节。本文对微表情特征提取、微表情分类识别等关键问题进行了研究，主要工作如下：(1)微表情图像预处理为微表情识别的第一环节，本文采用AdaBoost算法检测微表情图像中的人脸，采用双线性差值算法实现图像的尺寸归一化，采用Birnbaum-Saunders分布曲线建立回归模型，标记微表情序列中，微表情出现的开始帧，持续时间和结束帧。(2

4、)研究了三正交平面的中心化二值模式(CentralizedBinaryPatternsfromThreeOrthogonalPanels,CBP-TOP)的微表情特征提取方法。CBP算子对亮点、边缘等微小特征较为敏感，能显著地降低直方图的维度，还能充分考虑中心像素点的作用，并给与最高权重，通过引入符号函数sx()，CBP可以降低白色噪声对图像识别的影响。(3)研究了基于差分能量图(DEI)和中心化Gabor二值模式(CGBP)的微表情特征提取方法。先提取微表情图像序列的差分能量图，然后选取2个尺度、3个方向的Gabor

5、小波后，再对Gabor系数图谱进行中心化二值模式编码，通过直方图方法进行特征降维。结果表明，这种特征提取方法结合了Gabor小波变换和中心化二元模式的优点，能有效的保持微表情特征，又能降低微表情特征向量维数。(4)使用ExtremeLearningMethod(ELM)机器学习方法，对上述改进的算法提取到的微表情特征进行分类识别。ELM随机产生隐层结点参数，利用得到的外权决定输出，大大简化了传统神经网络复杂的迭代过程，可以直接应用于回归分析和多类分类中。应用于微表情识别领域，其在准确率和计算速度方面具有良好的表现，均优

6、于SVM分类器。为了证明本文两种方法的有效性，在CASME微表情库上进行对比实验，结果表明，使用CBP-TOP算法的识别率为82.07%，高于传统的LBP-TOP微表情特征提取算法的73.82%。使用DEI、CGBP和ELM方法的识别率为86.54%，高于传统的Gabor和GentleSVM方法的85.42%。关键字微表情识别；差分能量图；中心化二值模式；中心化Gabor二值模式；ELM分类器IABSTRACTMicro-expressionsareshort,involuntaryfacialexpressionsw

7、ithrevealingsuppressedeffectthatpeopletrytoconceal.Detectingandrecognizingmicro-expressionshavepotentialapplicationsinsecurity,justice,clinicalfieldsasacluetoidentifylies.Micro-expressionhasthecharacteristicsofshortdurationandhardtorecognition,whichmakestheresea

8、rchstillinitsearlystages.Micro-expressionrecognitionsystemgenerallyinvolvesfoursequentialparts:imagepreprocessing,micro-expressiondetection,featureextraction,andmicro