面向非特定表情的加权和稀疏分类方法.pdfVIP

计 算 机 系 统 应 用 http：llwww．c-S—a．org．cn 2014年 第 23卷 第 7期 面向非特定表情的加权和稀疏分类方法① 蒋行国 冯 彬，李志丰 (桂林电子科技大学 信息与通信学院，桂林 541004) 摘 要：针对在非特定人脸表情识别中，表情纹理特征的利用率不高问题，提出了一种改进的加权局部二值模式 fLBP)~I稀疏表示相结合的人脸表情识别方法．为了有效利用面部器官的局部纹理信息，采用改进的加权 LBP算 子提取人脸局部纹理特征，然后用获取的特征值组成训练样本，最后根据稀疏表示理论进行表情分类．在 JAFFE 和 CK人脸库上的实验结果表明，该方法对非特定人脸表情的识别效果有了明显提高． 关键词：人脸表情识别；稀疏表示；纹理特征提取；局部二值模式(LBP) NonspecificFacialExpressionRecognitionviatheSparseRepresentatiOnandW eighted JIANGXing—Guo，FENG Bin，LIZhi—Feng (SchoolofInformationandCommunication，GuilinUniversityofElectronicTechnology,Guilin541004，China) Abstract：Ontheperson-independentfacialexpressionrecognition，theutilizationrateofthefacialexpressiontextureis nothigh．Facingwiththeproblem oftheperson—independentface，thispaperproposesamethodaboutfacialexpression recognitionbasedontheimprovedweightedlocalbinarypaRem (LBP)andsparserepresentation．Inordertousehte localtexutreinformationofthefacialorganseffectively,firstitusestheimprovedweightedLBPoperatortoextracting the localtexutre feautre，the extracted fea~resto constructthe rtaining samples，and classified via the sparse representationlast．Experimentalresultsshow abetterperfomr anceontheJAFFEandCK database． Keywords：facialexpressionrecognition；sparserepresentation；texutrefeautreexaction；localbinarypattem(LBP) 人脸表情传递着丰富的个人情感信息，并且在人 (SR)被不断地应用于信号处理领域．随着 Ma[5,61等人 与人之间的交流中扮演着重要的角色，因此为了推动 提出了基于稀疏表示分类(SRC)的人脸识别，SRC在人 更加智能和 自然的人机交互，人脸表情识别在过去几 脸识别领域表现出强大的优势．HuangMing．wei[对 十年得到广泛研究，并且成为一个研究热点．非特定 LBP+稀疏表示和稀疏分类 的表情识别结果进行融合， 人脸的特点决定了对它的研究有一定的难度和更深的 比传统的识别方法有更好的识别率、鲁棒性，但未能 意义．表情识别主要分为两部分：特征提取和分类器． 有效的利用表情特征．对于非特定人脸，表情特征相 由于人脸表情的本质特征大多藏在图像的高维空 对于人脸特征复杂，在同个图像中，人脸特征会干扰 间中。把人脸信息映射到最有效的低维空间相当重要． 表情特征的处理，SRC识别算法的性能也不理想．如 一 般的，特征提取方法用于表示人脸的整体特征或局 何有效地利用表情特征和SRC分类是提高非特定表情 部特征．文献[1，2]~iE明局部特征表示在表情识别中有 识别效果的关键． 很好效果．因此，本文提出一种改进的加权 LBP局部