基于纹理特征和支持向量机三维人脸表情识别.docVIP

基于纹理特征和支持向量机的三维人脸表情识别 　　摘 要： 提出一种基于局部二值模式（LBP）和支持向量机（SVM）相结合的三维人脸表情识别算法。该算法使用BDPCA重构降低图像维数、保存主要特征、消除噪声影响及缩短运算时间；使用LBP来表征人脸表情特征，通过融合了纹理特征的统计直方图展现人脸图像；再使用支持向量机作为匹配准则。该算法在Bosphorus人脸数据库进行测试，并与类似算法进行对比，结果令人满意，证明该算法适用于三维人脸表情识别。 　　关键词： 人脸表情识别； 局部二值模式； 支持向量机； 纹理特征 　　中图分类号：TP391 文献标志码：A 文章编号：1006-8228（2017）07-60-05 　　3D facial expression recognition based on combination of texture features 　　and support vector machine 　　Wang Wei 　　（No.36 Research Institute of China Electronics Technology Group Corporation， Jiaxing， Zhejiang 314033， China） 　　Abstract： This paper presents a novel 3D facial expression recognition algorithm using Local Binary Patterns （LBP） and Support Vector Machine （SVM）. First， to preserve the main information， reduce dimensions， remove noises and shorten the computing time， BDPCA reconstruction is utilized to depict the human face accurately. Then the LBP framework for face representation is introduced. The facial expression features are all extracted and encoded by LBP. So the faces are represented by taking advantage of the statistical histograms that fuse the texture features of each face. Finally the SVM is used as matching strategy to address the recognition task. The proposed algorithm is tested on Bosphorus database， and compared with similar algorithms， the result is satisfactory. It is proved that the algorithm is suitable for 3D facial expression recognition. 　　Key words： facial expression recognition； LBP； SVM； texture feature 　　0 引言 　　?S着计算机及网络技术的飞速发展，生物特征识别技术应运而生。生物特征识别技术是为了进行身份验证而采用自动技术测量生理特征或行为特征，并将这些特征与数据库的模板数据进行比较，从而完成认证的一种解决方案。生理特征包括指纹、掌形、毛孔、静脉、虹膜、视网膜、颅骨、DNA等，行为特征包括声音、签名、步态、击打键盘的力度等，这些特征是每个人所特有的。 　　人脸识别技术隶属于生物识别技术，是利用计算机提取出脸部特征并对这些特征进行分析，从而进行身份验证的一门技术，涉及到计算机视觉、数字图像处理、模式识别、人工智能等多学科，是机器视觉和模式识别领域最富有挑战性的课题之一，具有广泛应用的意义。目前人脸表情识别技术是国内外研究热点，其在信号处理、模式识别、人机交互等方面有广泛应用。 　　主成分分析（PCA[1]）最早被Turk和Pentland运用于人脸识别。PCA是图像压缩中的一种最优正交变换，是一种基于目标统计的方法，在人脸识别中主要用于提取特征向量。虽然基于PCA的人脸识别取得了巨大成功，但因其本生存在缺陷，它的识别率一直都不高。针对缺陷人们又相继提出了基于PCA的改进算法，如2DPCA[2]和BDPCA[3]