基于二维Gabor变换和粒子群优化BP网络的人脸表情识别.pdfVIP

I 匐 化 基于二维Gabor变换和粒子群优化BP网络的 人脸表情识别 FaciaIexpression recognition based on2-dimensiontransform and PS0 optim izing BP neuralnetw ork 俞晓明，朱 涛 YUXiao．ming．ZHUTaO (杭州职业技术学院，杭州 310018) 摘 要：研究了使用二维GaborJ／、波变换和DOT离散余弦变换实现人脸特征提取并使用BP神经网络进 行表情分类识别的方法。首先，将人脸图像经过归一化预处理，然后经过二维@abor变换生成 不同尺度和方向下的特征向量，为了降低其维数，使用DCT离散余弦变换对其进行压缩 ，提取 最终的表情特征向量。为了提高BP神经网络对表情的分类精度和减少训练日寸间，使用改进的 粒子群算法PSO来优化BP神经网络的各权值和阀值。仿真结果表明：使用Gabord、波变换并 经DCT进行压缩后得到的特征向量 ，在经过粒子群优化的BP神经网络进行训I练后，能有效地 实现对其进行分类，具有较其他方法较高的识别率。 关键词 ：Gabor；BP神经网络；粒子群优化 ；人脸表情识别 中图分类号：TP391 文献标识码 ：A 文章编号 ：1009-0134(2012)05(上)-0050-04 Doi：10．396cI／J．issn．1009-0134．2012．5(I-)．16 0 引言 能力 ，能很好地表示人脸特征 ，但对整幅 图像 人 脸表 情 识 别FER(facialexPressiOn 进行不同尺度和方 向的Gabor算法处理后的特征 recognition)即利用人类所具备的情感方面的先验 向量具有维数过大的缺点。DCT(DiscreteCosine 知识，通过对人脸表情信息的特征提取，利用计算 Transform)是一种实数域变换 ，当图像经过DCT 机图像处理和模式识别来实现身份鉴别和验证 。 变换后，其能量主要集中在低频部分，因此能很 人脸表情识别 目前 已经在很多领域获得了广泛 的 好地实现 图像 的压缩 。所 以，本文采用DCT对 应用 ，如 图像处理 、机器视觉、模式识别和神经 Gabor算法得到的特征 向量进行降维，实现在不丢 网络等研究领域u。。 失重要信息的同时实现特征 向量的降维 。然后使 人脸识别 的主要过程为人脸检测、人脸 图像 用粒子群优化的BP神经 网络实现对特征 向量 的训 预处理 、特征信息提取 以及人脸表情分类识别 。 练，实现表情的分类识别 。 其 中，人脸检测 的主要功能是从复杂 的背景 中 1 二维Gabor变换 检测人脸是否存在 以及其具体位置 。人脸 图像预 Gabor变换是为 了克~Fouriter函数 的纯频域分 处理主要是对 图像进行尺度归一和灰度均衡化 。 析的局限，在Gaussian函数基础上提出，其 由一组 人脸特征信息提取是人脸识别过程 中非常关键 的 不 同尺度和方向的滤波器组成 ，可 以分析各个尺 一 步 ，特征提取 的好坏直接影响到最终 的识别精 度和方 向的图形纹理变化 。