基于改进LBP的人脸表情识别

局部二元模式即LBP(local binary patterns),是一种有效的纹理描述算子,能够很好地提取人脸表情特征信息.针对原始LBP算子仅考虑中心像素点与邻域像素点的灰度差异的问题,对其进行了改进,提出了多重中心化二值模式MLBP(multiple local binary patterns),并将改进后的MLBP算子进行人脸表情识别,通过改进前后在JAFFE人脸库的实验比较,该方法在识别率上取得了较好的效果.     

基于特征融合的人脸表情识别算法研究

为了避免传统表情识别方法中复杂的特征手动提取过程,同时保证能够提取到更多的表情特征,文中提出一种融合卷积神经网络(Convolutional Neural Network,CNN)、方向梯度直方图(Histogram of Oriented Gradient,HOG)以及人脸关键点定位(facial landmark detection)的人脸表情识别方法.该方法首先通过在图像预处理中使用多任务卷积神经网络(Multi-task convolutional neural network,MTCNN)对不同尺度输入图像进行人脸检测并得到人脸的关键点位置信息(facial landmark).然后根据facial landmark的位置信息计算出人脸表情图像的几何结构特征,并且计算人脸表情图像局部区域的方向梯度直方图来构成HOG特征,采用特征融合的方式将facial landmark和HOG特征做进一步的融合形成新的特征向量LM_HOG.最后将融合后的特征与经过CNN提取的全局特征再次融合输入到支持向量机(Support Vector Machine,SVM)和Softmax中进行表情识别.在FER2013和Extended Cohn-Kanade(CK+)人脸表情库上的实验结果表明,将融合得到的LM_HOG特征作为局部特征,用以描述图像的局部性差异,CNN提取的特征作为全局特征,用以描述人脸表情图像的整体性差异,融合后的特征能更好的提取图像细节特征,平均识别率分别达到了75.14％和97.86％,具有优越的性能.     

基于三维特征点模型的人脸表情识别算法

提出了一种基于三维特征点模型匹配的人脸表情识别算法.首先,以混合树结构建模不同姿态脸部特征组合,实现特征点定位,并建立脸部三维几何特征模型;然后,基于广义普鲁克分析原理对特征点模型进行归一化计算,并建立具有鲁棒性的匹配特征;最后,采用支持向量机实现表情的训练和识别.通过对BU-3DFE数据库中6种脸部表情的测试,表明该算法能够达到很好的识别效果.     

融合小波和LBP-GD特征的人脸表情识别

针对局部二值模式（LBP）不能描述纹理方向变化的问题,提出了一种融合了梯度方向的LBP-GD算子。LBP-GD算子不仅保持了LBP本身的优点,还可以细致刻画纹理的方向信息。由于人脸表情器官所蕴含信息的差异性,设计了一种不规则的分块方式,把图像分为9个互不重叠的子块并且设置不同的权值系数,然后提取每个子块的LBP-GD特征。最后,将LBP-GD特征与提升小波的低频分量特征加权融合,用K近邻方法进行分类。在JAFFE和Cohn-Kanade表情库上验证了该方法的有效性。实验结果表明,该方法比单独使用LBP-GD特征和提升小波特征具有更好的识别效果。     

基于多特征融合的表情识别算法

针对轻量级面部表情识别算法泛化能力的不足,提出了一种结合多特征融合和注意力机制的表情识别方法。使用局部二值模式(Local Binary Pattern, LBP)算子减少面部图像中无关信息的干扰,双分支神经网络提取原始人脸图像和LBP图像的特征,融合两个网络提取的中高层特征,并通过注意力机制加强重要特征,在保持较少参数量的同时生成大量的有效特征信息提高算法的识别效果。实验结果表明,该方法在Fer2013和CK+数据集上的识别率分别为70.21%和95.59%,有效地提高了轻量级表情识别算法的性能。     

基于动态图像序列的表情识别

为提高表情表述能力, 提出建立组合单帧表情空域特征的表情序列联合特征.在分析Gabor小波的不同方向和尺度组合对表情图像表征能力基础上, 确定采用3个方向和2个尺度的Gabor滤波器组提取单帧表情图像特征, 描述表情动作的空域特征.在此基础上, 组合连续表情图像序列的特征, 建立包含表情动作变化过程的联合特征, 解决了利用表情相关的局部空域和时序变化信息建立表情表述模型问题.利用支持向量机 (SVM) 作为分类器分别在JAFFE静态表情数据库和Binghamton动态表情数据库上进行测试, 结果验证了静态图像采用Gabor+PCA特征比PCA特征更具有效性, 表明利用动态表情序列建立表情特征比用静态表情图像具有更高的表情识别正确率.     

基于Gabor特征融合与LBP直方图的人脸表情特征提取方法

针对Gabor特征全局表征能力弱以及特征数据维数存在冗余的问题,提出了一种采用Gabor多方向特征融合与分块直方图相结合的方法以有效提取表情特征.通过对不同表情的重要特征部位进行细化,采用Gabor滤波器有针对性地提取相关区域的多尺度和多方向特征,并对同尺度的特征进行融合,利用各区域内融合特征的直方图分布来表征图像.该方法可以提高特征提取的准确性,有效突出重要特征的辨识作用,大幅度降低特征的维数,在JAFFE表情库可以达到100%的识别率.     

使用多尺度LBP特征和SVM的火焰识别算法

目前基于视频图像的火灾识别系统是大空间场景中预防火灾的有效方法。为了提高检测性能,基于火焰特定的纹理结构,使用多尺度纹理特征,以获得更全面的特征信息。首先使用火焰的明亮特性定位到疑似火焰区域;然后针对这些区域,采用局部二值模式(local binary patterns, LBP)方法提取多尺度纹理特征;最后将多尺度LBP纹理特征输入到支持向量机(support vector machine, SVM)中进行识别。实验结果表明,该方法计算简单,火焰的检测率较高,误警率较低。     

一种边缘二进制码的表情识别方法

针对如何从图像中提取有效的表情特征来提高表情识别率的问题,提出了一种基于边缘二进制码的表情特征提取方法,用于表情识别.该方法首先对图像进行边缘检测,然后对边缘的局部结构进行二进制码描述作为表情特征,最后利用支持向量机进行表情分类.在JAFFE人脸表情数据库上,分别用该方法和传统的方法进行试验,结果表明,该方法可显著提高表情识别率.     

基于Adaboost-高斯过程分类的人脸表情识别

为了弥补Ababoost分类器分类精度不够、训练耗时的缺点,利用高斯过程分类器分类精度高、计算复杂度低的优势,提出一种改进的表情识别方法.该算法将高斯过程分类（GPC）和Adaboost的人脸表情识别算法相结合,在训练二分类Adaboost时利用高斯过程分类器训练弱分类器;把这些弱分类器组合成一个总分类器,将二分类Adaboost GPC扩展为多类分类算法.采用Gabor提取面部表情特征,由于Gabor特征提取后存在维度变高、冗余大的问题,引入二维主成分分析（2DPCA）对Gabor特征进行选择.基于Cohn-Kanade和JAFFE数据库的实验结果表明,该算法在识别正确率和速度方面的表现均较好.     

基于分块2DPCA的人脸表情识别

本文使用了分块二维主成份分析法（分块2DPCA）和模糊积分分类器进行了人脸表情识别与融合。由于分块2DPCA方法先对图像矩阵进行分块,对分块得到的子图像矩阵直接进行鉴别分析。其突出的优点是提高了特征提取的速度,在特征提取时可以完全避免使用矩阵的奇异值分解,方法简便。与2DPCA相比,可以实现使用低维的鉴别特征,而保持较高的正确识别率的目的。     

基于局部区域LBP特征的人脸识别研究

传统的LBP方法往往分散特征区域所表达的信息,提出一种基于局部区域LBP特征（Local Binary Pattern,局部二值模式）提取的人脸识别方法。用积分投影法在表情图像上定位出眉毛、眼睛、鼻子和嘴巴这些特征点的位置,根据这些特征点的位置确定这些特征部件所在子区域,然后对这些子区域进行不同的分块,提取各子区域的局部LBP直方图,按顺序把它们连结成一个特征直方图序列。实验结果表明：局部区域LBP方法与传统的LBP方法相比有很强的人脸表情特征识别能力,能够更准确地提取面部局部区域的表情信息。     

基于特征抽取和模式识别的工件智能检测系统

以工件为对象,研究开发了适合于工业应用的视觉算法,在图像的预处理,特征抽取和识别等方面做了深入探讨。重点介绍了形状分析和形状特征抽取算法。链码分析和傅立叶描绘子相结合是本文一大特色。理论分析和实验表明本方法是一种有效快速的高精度图像边界频谱特征的抽取方法。     

基于蚁群算法的行为识别特征优选方法

为了降低特征冗余,提高移动用户行为识别的准确率,提出一种基于蚁群算法的移动用户行为识别加速度信号特征优选方法。首先对样本数据进行预处理,根据特征对不同行为的分类敏感度进行初次优选,降低特征搜索空间的维度;然后利用蚁群算法结合神经网络分类器,以特征的分类准确度为评价准则对特征集合进行了二次优选。实验结果表明,该方法优选出的特征集具有较好的识别性能。     

基于自适应词典学习和稀疏表示的人脸表情识别

提出了一种基于随机块特征和自适应词典学习的人脸表情识别方法。利用Haar like特征和人脸几何结构信息可靠定位眼睛和嘴巴;在眼睛和嘴巴附近抽取随机块,构建特征矢量;将特征矢量进行词典学习,得到表情词典;根据待测表情在表情词典上的稀疏分解对表情进行分类。在JAFFE和Cohn kanade表情库中进行了对比实验,结果表明该方法具有较好的识别性能,对噪声和遮挡具有较好的鲁棒性。