基于二維MB-LGBP特征的表情識別及其光照檢測研究.pdf

1、目前表情識別已經(jīng)成為模式識別和機器視覺研究領(lǐng)域的一個活躍分支,越來越多的研究者開始關(guān)注這個領(lǐng)域。很多相關(guān)的實際應(yīng)用都要求能夠在單幅圖像中完成表情識別任務(wù),由于靜態(tài)圖像中所含有的表情信息量相對較少,在其上的表情識別較之基于視頻序列的表情識別更為困難。為了在獨立于個體身份,基于單幅面部圖像的表情識別中取得更加理想的效果,本文探索幾種不同的特征在表情識別中的效果,并嘗試通過特征加權(quán)改善分類性能；同時就變化光照下的表情識別這一頗具挑戰(zhàn)性的問題進

2、行了研究,提出了一種能夠在表情圖像中檢測光照條件的方法。論文的主要工作和創(chuàng)新點如下:
　　 (1)在特征提取環(huán)節(jié),將 Gabor多分辨率分析的思想同 MB-LBP編碼的概念相結(jié)合,從而得到了對于圖像局部和整體信息都有較好描繪能力的多尺度局部Gabor二進制模式(Multi-block Local Gabor Binary Patterns,MB-LGBP)復合特征。
　　 (2)考慮到區(qū)分不同的表情需要對圖像局部紋理比較

3、精確的描述,而LBP特征是對圖像紋理的一階描述,不能反映其空間結(jié)構(gòu)信息,單純通過對圖像分區(qū)的方法無法從根本上解決這個問題。因此,本文以灰度共生矩陣(GLCM)替代傳統(tǒng)的直方圖,提出了一種能夠表征空間特定結(jié)構(gòu)信息的二維 LBP特征,進而又根據(jù)特征融合的思路得到了2維MB—LGBP復合特征作為分類特征。
　　 (3)在識別中,選用C-SVM作為分類器,并提出了一種適用于兩兩分類、依賴于二分器的特征加權(quán)機制,對于每次兩兩分類都使用不同

4、的權(quán)重分布。同其他在表情識別中被廣泛采用的分類器相比,本文的方法取得了更加理想的識別率。
　　 (4)為解決在表情識別中的光照干擾問題,提出了一種基于三維表征臉(Representative Face,RF)和聚類的方法來識別某幅二維人臉表情圖像中的光照條件,從而為進一步消除光照干擾做好了準備。該方法利用 K-Means技術(shù)對三維模型中的面部主要器官位置進行聚類,在此基礎(chǔ)上生成表征臉模型,使得光照條件的匹配僅需基于表征臉進行。同