基于局部特征的人脸表情识别研究
Research on Facial Expression Recognition Based on Local Feature
人脸表情包含了丰富的人类行为信息.通过计算机自动识别面部表情,进而实现人机交互的最终目的具有重要意义,而影响识别效果的最重要因素是表情特征提取.但是,传统的特征提取方法存在一些问题.本文主要内容如下:(1)对人脸表情的分类、识别框架、分类精度进行了研究,重点研究了表情识别和分类的典型方法.详细分析了传统的局部二进制模式(LBP)、基于局部梯度方向的特征提取方法(LGC)以及基于横向和对角线优先的局部梯度方向特征提取方法(LGC-HD).研究发现传统的LBP方法仅考虑了中心像素与相邻八个像素之间的灰度关系,忽略了相邻像素之间的灰度关系,导致忽略肌肉、皱纹等表情区域在梯度方向的分布趋势,对LGC存在垂直方向的冗余信息,LGC-HD分块太多,无法有效地获取面较大的特征这些问题,由此提出特征提取的改进方法.(2)提出基于5*5邻域内的LGC的特征提取方法(LGC-FN).LGC-FN结合了传统的LBP方法、LGC以及LGC-HD方法的优点,摒除了垂直方向上的冗余信息.在3*3邻域内提取横向和对角线的方向的信息的基础上,增加了在5*5邻域内的横向和对角线梯度方向上的信息.但是,由于LGC-FN方法仅考虑阈值为0的情况,这就导致了当局部肌肉形变剧烈时,该方法的识别率并不稳定,因此,对LGC-FN进行了改进.(3)提出基于TLGC-FN的特征提取方法.首先验证LGC-FN方法对肌肉剧烈形变的表情识别性能的鲁棒性;然后,通过设置不同的阈值和分块,分析阈值和图像分块对表情的识别率的影响;最后,确定最佳的阈值和分块方案.最后实验用支持向量机对表情进行分类.实验结果表明,本文方法可以有效的提高表情的识别率以及局部肌肉形变剧烈的表情的识别性能.
- 作者：
- 司思思
- 学位授予单位：
- 重庆邮电大学
- 专业名称：
- 软件工程
- 授予学位：
- 硕士
- 学位年度：
- 2016年
- 导师姓名：
- 甘玲
- 中图分类号：
- TP391.41
- 关键词：
- 表情识别；特征提取；邻域；阈值；支持向量机
- expression recognition; feature extraction; neighborhood; threshold; SVM;