基于詞袋模型的人臉表情識(shí)別研究.pdf

1、近年來(lái),隨著智能手機(jī)等配置有高清攝像頭的計(jì)算設(shè)備的迅速發(fā)展和普及,身份識(shí)別等基于人臉圖像的智能人機(jī)交互應(yīng)用越來(lái)越多的出現(xiàn)在人們的日常生活中,這些應(yīng)用的登場(chǎng)得益于人臉特性識(shí)別的深入研究與發(fā)展。人臉表情識(shí)別是人臉特性識(shí)別技術(shù)中的一個(gè)重要方向,在日趨智能化的應(yīng)用場(chǎng)景中有良好的發(fā)展前景,是一個(gè)熱門的研究分支。
　　詞袋模型被提出應(yīng)用于基于圖片的場(chǎng)景識(shí)別,其原理是用無(wú)序視覺詞匯集合來(lái)表征場(chǎng)景中的物體構(gòu)成,從而區(qū)分不同的場(chǎng)景。不同于場(chǎng)景圖片,

2、人臉圖片中人臉組件的構(gòu)成具有很高的穩(wěn)定性和一致性,因而將詞袋模型直接應(yīng)用于整張人臉圖片來(lái)進(jìn)行表情識(shí)別,得到的無(wú)序視覺詞匯集合難以提供足夠高的表情區(qū)分度。因此基于分塊或組件的詞袋模型被提出并應(yīng)用于人臉表情識(shí)別,該方法在分塊或組件上分別應(yīng)用詞袋模型獲得若干個(gè)無(wú)序視覺詞匯集合,以更好的提取有強(qiáng)烈區(qū)分度的局部特征,然后將這些視覺詞匯集合合并成一個(gè)大的視覺詞匯集合用于表情分類。然而前述方法的識(shí)別率并不足夠高,因?yàn)樵~袋模型的視覺詞匯集合是無(wú)序的,它

3、本身忽視了圖像特征的空間分布,導(dǎo)致一些具有較高區(qū)分度的較大區(qū)域的局部特征被分離成若干失去聯(lián)系的更小的局部特征,而這些特征分離后對(duì)于表情的區(qū)分度并不大?；诖?本文在基于組件的詞袋模型基礎(chǔ)上,加入了空間金字塔匹配,改進(jìn)后的識(shí)別方法能在詞袋模型的視覺詞匯集合基礎(chǔ)上另外得到一些具有更強(qiáng)區(qū)分度的更大區(qū)域的局部特征,從而提高表情識(shí)別率。
　　在Cohn-Kanade人臉圖像數(shù)據(jù)庫(kù)上,分別用基于組件的詞袋模型方法和附加空間金字塔匹配改進(jìn)的方法