基于小波变换和弹性图匹配的表情识别方法.pdf

基于小波变换与弹性图匹配的表情识别方法 1),2) 1),2) 1), 曹宇嘉 赵力 邹采荣 1) 东南大学无线电工程系,江苏,南京（210096） 2)东南大学学习科学研究中心,江苏,南京（210096） E-Mail ：yujia_cao@s 摘 要：本文提出了一种基于小波变换和弹性图匹配的表情识别方案。弹性图匹配算法和 Gabor 小波变 换都对脸部姿势和光照变化有较好的鲁棒性,从而保证了本表情识别方案的性能。为了有效的表征表情 信息，我们将表情特征点选取在面部富含表情信息的某些局部区域。在国际标准表情库 JAFFE 上进行的 识别实验表明：本方案的平均表情识别率达到 93.4%，单种表情最高识别率达到 100.0%，在识别表情的 同时，本实验还能给出人脸识别的结果。 关键词：表情识别，Gabor 小波变换，弹性图匹配 1、引言 面部表情是人体语言的一部分，在人们日常的交流中起到至关重要的作用。1971 年，美国著名心 理学 Ekman 给出了六种基本表情的定义[1]，分别是：生气（Anger）、厌恶（Disgust）、害怕（Fear）、 高兴（Happy）、伤心（Sad）、惊讶（Surprise）。这种分类方法对不同种族，年龄，性别的人群具有普 遍的意义。从心理学和生理学的角度对面部情感的研究已有较长的历史，然而从工程学的角度把情感作 为信息与信号工学的研究对象来进行研究则是在 20 世纪 80 年代才还刚刚起步[2]。随着计算机视觉、 人工智能等领域的迅速发展，表情识别技术作为高级人机交互的关键技术，正受到越来越多的重视。目 前，应用于表情识别的典型方法有：主分量分析 （PCA）[10][13]、Gabor 小波法[13]、神经网络[11]、 HMM[15]、点分布模型 （PDM）[12]、光流法[14][16]以及脸部运动单元分析 （FACS）[17]等等。本文将 提出一种基于弹性图匹配的表情识别方案。 弹性图匹配（Elastic graph matching）由 M. Lades 等人[3]首先提出，并将之运用于人脸识别， 起初的弹性图是矩形栅格状的。Wiskott[4]将弹性图节点定义到脸部某些特征明显的部分（如五官）， 并提出了弹性束图（Elastic bunch graph）匹配方法。Kruger[19]进一步研究了各个节点分离能力的 不同，提出根据分离能力的大小给赋予节点不同的权重来提高识别率。此类方法对光照条件及脸部姿势 的改变具有较好的鲁棒性，是迄今为止模式识别领域较为有效的识别算法之一。 2、Gabor 变换简介 二维 Gabor 核函数是一组具有高斯包络的平面波[3]，它具有与哺乳动物初级视觉系统中的一对简 单神经元相似的感觉特性[6]，能够精确的提取图像的局部特征，且对位移、形变、旋转、尺度变化和 光照变化都具有一定的容忍能力[4]。具体形式如下： r r 2 2 r2 2 r k k x ⎡ rr σ ⎤ ψ(x ) exp(− ) exp(ikx ) −exp(− ) ( 1) 2 2 ⎢ ⎥ σ 2σ ⎣ 2 ⎦ v+2 r ⎛kx ⎞ ⎛kv cosϕµ ⎞⎟ − 2 π π (2)