基于單演示波和稀疏表示的人臉表情識(shí)別方法.pdf

1、人臉表情識(shí)別研究作為視覺系統(tǒng)研究和人機(jī)交互研究中重要的一部分內(nèi)容，受到了研究學(xué)者們的廣泛關(guān)注，本文著重研究了人臉表情識(shí)別系統(tǒng)中特征提取和分類識(shí)別的環(huán)節(jié)，對(duì)單演示波和稀疏分類器的相關(guān)應(yīng)用進(jìn)行了比較深入的研究，并在此基礎(chǔ)上對(duì)存在遮擋情況下面部表情識(shí)別問題提出了相應(yīng)的解決方法，本文的主要研究?jī)?nèi)容和創(chuàng)新觀點(diǎn)可以分為以下幾個(gè)部分:
　　(1)針對(duì)單演二值模式(Monogenic Binary Pattern，MBP)對(duì)表情紋理特征提取的局限

2、性，提出一種融合MBP和單演方向梯度直方圖(Histograms of MonogenicOrientated Gradients，HMOG)的人臉表情識(shí)別方法。該方法首先將人臉表情通過單演濾波提取方向，相位，幅度三個(gè)方面的信息，融合方向和幅度的信息對(duì)人臉表情進(jìn)行單演二值模式直方圖特征提取。但是單一紋理特征對(duì)于人臉表情識(shí)別具有一定的不足，本文通過結(jié)合梯度方向直方圖的思想，提出一種HMOG特征用于表征人臉圖像的形狀信息，再通過自適應(yīng)加權(quán)信

3、息熵的方法取得最佳的表情塊特征權(quán)值，最后利用最近鄰方法進(jìn)行分類，得到最終識(shí)別結(jié)果。為了驗(yàn)證本文方法的有效性，在通用的JAFFE和Cohn-Kanade人臉表情庫上做了大量的實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明該方法對(duì)人臉表情具有很好的識(shí)別效果。
　　(2)為了彌補(bǔ)第二章對(duì)單演相位信息提取的忽略以及增強(qiáng)稀疏分類器對(duì)于人臉表情分類的魯棒性，提出了一種基于單演多特征和稀疏表示融合的人臉表情識(shí)別方法。首先對(duì)預(yù)處理后的表情圖像進(jìn)行單演示波濾波操作，獲得三個(gè)尺

4、度上的單演幅值、單演方向和單演相位特征;然后利用單演梯度方向，增強(qiáng)單演相位和單演二值模式方法分別融合方向信息，幅值信息和相位信息形成不同的表情特征并構(gòu)造相應(yīng)的稀疏表示分類器;最后利用l1正則化的最小二乘法優(yōu)化三個(gè)分類器的權(quán)值，從而實(shí)現(xiàn)決策層融合的人臉表情識(shí)別。
　　(3)針對(duì)現(xiàn)實(shí)生活中面部存在遮擋情況下的表情識(shí)別問題，本文提出一種雙層分類模型方法。首先在全局層采用基于全局表情狀態(tài)特征的稀疏表示分類方法，對(duì)得出的分類結(jié)果，利用稀疏聚