基于多特征融合的表情和微表情识别-研究

《基于多特征融合的表情和微表情识别-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、摘要人脸面部表情包含着复杂的内在情感，是人与人交流的重要途径，近年来一直是计算机视觉、人机交互与模式识别等研究领域的热点话题。普通的面部表情通常被视为夸张表情，表现为面部肌肉运动明显，容易被人察觉到；而微表情则是在普通面部表情基础上由Ekman等人发现的更为隐蔽的表情，由于其持续时间短，故而命名为微表情。本文针对目前表情及微表情识别率低的问题，提出了HLBP与Gabor特征相融合的特征提取算法，主要研究工作如下：首先，为了排除光照不均、尺度不一等干扰情况，对人脸区域进行分割、直方图均衡化、对比度增强、尺度归一化。其次，特征提取是表情和微表情识别最关键的步骤。本文采

2、用将Gabor和分块的HLBP相融合的方法对表情与微表情静态图像进行识别，并将HLBP算法进行在时间上拓展形成HLBP-TOP算法，并将其应用于微表情图像序列的识别。前者主要涉及Gabor滤波器的方向尺度参数和Haar阈值的选取，本文对比多组实验选取最优的值进行分类识别；后者在前者的基础上对Haar阈值运用统计学思想进行优化。两种特征提取算法的融合，可以更好地保留图像的有用信息。最后，进行表情分类与识别。本文选用极限学习机和支持向量机两种方法对图像进行分类。先对训练样本进行训练，构造出每一类的表情模型，再对测试样本进行预测和估计。实验选取日本女性人脸表情库JAFF

3、E和中科院的CASME微表情数据库。为了验证算法的有效性，对于CASME数据库，本文分别建立了序列微表情库和静态微表情库，静态微表情数据库和JAFFE数据库用相同算法进行实验。经过实验验证，本文算法相对于单一的Gabor和LBP算法都有明显的改善。在序列图像的微表情实验上，实验结果也要优于LBP-TOP和DTSA算法，并且时间效率远远高于LBP-TOP算法。关键字：表情与微表情，Gabor，HLBP，极限学习机，支持向量机IABSTRACTFacialexpressioncontainshumancomplexinnerfeelingwhichisanimport

4、antwaytocommunicateamongpersons.Inrecentyears,ithasbecomethefocusofresearchinmanyfieldssuchascomputervision,human-computerinteraction,patternrecognition,andsoon.Ordinaryfacialexpressionsareusuallyregardedasexaggeratedoneswhichshowbigfacialmusclemovementandeasytobedetectedbynakedeyes.H

5、owever,micro-expressionisasortofsubtleexpression.ItisdiscoveredbyEkmanfirst,duetoitsshortduration,soitisnamedasmicro-expression.Thefacialexpressionandmicro-expressionhavelowrecognitionrate.Sothispaperproposesanovelfacialexpressionandmicro-expressionmethodbasedonHaarandLBPfeatures.Them

6、ainworkofthispaperisasfollows:Firstly,inordertoeliminatesomeinterferenceconditionssuchasunevenilluminationanddifferentscales.Thispapercontainsfacialregionsegmentation,histogramequalization,contrastenhancementandscalenormalization.Secondly,featureextraction.Thisisthemostimportantstepof

7、expressionandmicro-expressionrecognition.ThispaperfusestheGaborandpartitionHLBPforstaticexpressionandmicro-expression,andHLBPalgorithmisextendedtoHLBP-TOPwhichisappliedinmicro-expressionrecognitionofimagesequence.TheformermainlyrelatestothedirectionandscaleoftheGaborfilterandthethresh

8、oldva