下载

1下载券

加入VIP
  • 专属下载特权
  • 现金文档折扣购买
  • VIP免费专区
  • 千万文档免费下载

上传资料

关闭

关闭

关闭

封号提示

内容

首页 基于混合方法的人脸表情识别研究

基于混合方法的人脸表情识别研究.pdf

基于混合方法的人脸表情识别研究

哎0有船ma
2011-02-23 0人阅读 举报 0 0 暂无简介

简介:本文档为《基于混合方法的人脸表情识别研究pdf》,可适用于IT/计算机领域

第卷第期计算机仿真年月文章编号:()基于混合方法的人脸表情识别研究李斐陈亚军(西华师范大学计算机学院四川南充)摘要:针对人脸表情图像识别进行了研究为了提高表情图像的识别率提出了一种综合Gabor小波、离散余弦变换、支持向量机的人脸面部表情识别方法。采用ISOMAP算法对人脸面部表情的分类以及强度鉴别。利用Gabor小波变换的局部化特点滤掉人脸表情图像中的高频信息提出结合离散余弦变换提取系数作为识别特征并用支持向量机的训练样本构造表情强度模型进行仿真实验。实验结果表明方法与传统的识别方法相比系统具有良好的鲁棒性达到较高的识别率并能实现了人脸面部表情的分类和强度鉴别。因此充分证明了方法的有效性。关键词:人脸表情识别离散余弦变换混合方法中图分类号:r.文献标识码:AFacialExpressionRecognitionResearchBasedonMixedMethodsLIFeiCHENYaiurl(CollegeofComputerScienceChinaWestNormalUniversitySiChuanNanChong)ABSTRACT:Thefacialrecognitionbasedonmixedmethodswasdiscussedinthisarticle.ThispaperproposedanapproachbasedonGaborwaveletDCTandsupportvectormachinealgorithmforfacialexpressionrecognitionandachievedtheISOMAPalgorithmforclassifyingthehumanfaceexpressionsandidentifyingthedegrees.UsingthelocalizationofGaborwavelettransformationfilteringcharacteristicsofhighfrequencyinformationofHumanFacialExpressionimagescombinedwithDCTtransformationcoefficientstoextractthefacefeaturesconstructedexpressionsintensitymodelbySVMtrainingsamplesthenclassifiedexpressionsandidentifiedexpressionintensitybythemethodofISOMAP.Comparedwiththeconventionalmethods.experimentalresultsdemonstratethatthismethodhasbetterrobusthigherrecognitionaccuracyandrealizestheclassanddiscriminationofhumanfaceexpressions.Sothesemethodswereprovedadequatelyeffective.KEYWORDS:Facialexpressionsrecognition(FER)DiscreteCosineTransform(DCT)Mixedmethods引言人脸表情是人类用来表达情绪的一种方式是非语言交流的一种手段。感情表露:%的言词%的声音%的面部表情。所谓人脸表情识别(facialexpressionreeognitionFER)就是对人脸的表情信息进行特征提取分析按照人的认识和思维方式加以归类和理解利用人类所具有的情感信息方面的先验知识使计算机进行联想、思考及推理进而从人脸信息中去分析理解人的情绪。国内关于人脸表情识别技术的研究还处于起步阶段需要进一步研究。人脸表情识别的困难主要体现在表情特征基金项目:四川省教育厅重大科研培育项目(ZZ)收稿日期:一l修回日期:l一提取的准确性和有效性上尤其是有效性因为各种表情本身体现在各个特征点运动上的差别不是很大。目前主要的特征提取方法有:提取几何特征、统计特征、频率域特征和运动特征等。主要的分类识别方法有:用线性分类器、神经网络分类器、隐马尔可夫模型、支持向量机等分类识别。经过对比实验发现采用Gabor小波变换来进行人脸表情识别是一种更为有效的方法。本文将Gabor小波法⋯和离散余弦转换(DCT)相结合利用Gabor小波来对人脸某些局部特征进行变换得到低频子图。适当层次小波变换后的低频子图像刻画了人脸的表情和不变特征有良好的稳定性包含的与识别无关的信息少降低了图像的维数使特征更为有效。然后将小波分解后的低频子图像进行DCT变换提取DCT系数作为识别特征。实验结果证明基于小波分解的DCT识别率与无小波分解的DCT识别率分别要高。最后用SVM训练样本基于一对多分类算法建立表情模型通过一种非线性降维力‘法(等容特征映射ISOMAP)自动产生表情强度范围并对表情进行强度等级归类。人脸表情识别系统人脸表情识别系统是对人脸的表情信息进行特征提取分析按照人的认识和思维方式加以分类和理解利用人类对所具有的情感信息方面的先验知识使计算机进行联想、思考及推理进而从人脸信息中去分析理解人的情绪。目前国际通用的表情分类结果包括类:中性表情、愤怒、高兴、悲伤、惊讶、厌恶和恐惧。面部表情识别系统应包括图像获取、预处理、特征提取、分类判别和后续处理几个步骤如图所示。首先在进行表情分析之前要进行预处理即在一个场景中检测到人脸是否存在以及存在时所处的位置并对所获得的人脸图像进行归一化处理为下一步的工作做准备。其次要从被处理的单幅脸部图像或序列图像中提取脸部表情的信息通过一套人脸表情分类算法对表情图像做出分类识别。如果被处理的对象是静态图像则脸部表情信息的提取就是在人脸图像中进行脸部特征的定位如果处理的是序列图像则对应的就是人脸特征的跟踪。最后对识别出来的表情进行等级判别和相关后续处理。图人脸面部表情识别系统基于Gabor小波和DCT结合的人脸表情识别方法小波分析在时域和频域上都具有良好的局部化特征而且由于对高频采取逐渐精细的时域或空域步长从而可以聚焦到分析对象的任意细节。因而用小波变换的方法滤掉高频信息采用低频图像来表示人连表情将取得更好的效果。离散余弦变换(DiscreteCosineTransformDCT)的变换核为实数的余弦函数因而DCT的计算速度比变换核为复数DFT要快得多而且对于具有一阶马尔可夫过程的随机信号DCT是KL变换的最好近似已被广泛应用到图像压缩编码、语音信号处理等众多领域。数据压缩是离散余弦变换一个主要特性。另外因为离散余弦变换与离散傅立叶变换很相近所以可以对它进行有效的计算。基于这两个特性可以用它作为人脸表情的特征。.Gabor小波变换图像即二维信号二维Gabor小波变换经常用来表示和分析图像信号。对人脸表情图像进行小波变换采用低频图像来表示人脸不但可降低图像的维数而且使特征更为有效。小波的多分辨率分析是图像模式识别的有效工具它通过计算一组Gabor滤波器函数与给定图像信号的卷积来实现。在空域中二维Gabor滤波器是一个被高斯函数包络函数约束的复数值平面波。通常使用的Gabor滤波器的函数形式为J::唧()expcxp(一譬)】()式中:=),kv=v一詈k为滤波器的中心频率为滤波器的方向对k和的不同取值便产生了不同的滤波器。本文采用由个中心频率(:⋯)个方向(=⋯)构成的个滤波器来进行小波变换。图像(未)上一点主的二维Gabor小波变换定义为这一点附近领域内的像素灰度值与滤波器函数的卷积:(主)=l(主)(一未)dx()通过小波变换可以得到个复系数由于复系数包含了图像的相位信息相位信息对位置十分敏感因此本文采用复系数的幅值组成的维向量来表示人脸图像。利用Gabor小波变换来表示人脸表情图像时有两种方案:一是对整幅图像进行变换二是仅对一些局部特征进行变换。为减少计算量本文采用第二种方案但这种方案需要事先确定人脸局部特征的位置。人脸的局部特征如眉、眼睛、鼻子、嘴巴等具有相同的分布规律这可以作为人脸特征点定位的先验知识加以利用。人脸表情的变化可根据局部特征变化或者说是特征点的分布差异来识别并判断。针对人脸的不同表情可以通过聚类分析的方法将人脸的几何特征近似地简化为有限的种类。然后采用一组由Gabor小波变换系数表示的人脸表情模板来确定人脸特征点的近似位置人脸表情模板的特征点位置通过对一批人脸图像特征点位置的聚类得到模板特征点的Gabor小波变换系数为这批人脸图像对应特征点Gabor小波变换系数的平均。在本文中人脸图像取自JAFFE中的人脸表情数据库在人脸的特殊部位选O个特征点进行计算。基于特征点的跟踪通常可将特征点选在灰度变化较大的区域例如眼角点嘴角点等。在进行人脸特征点定位时从所有的人脸模板选取最合适的模板来确定特征点的近似位置。对于具有不同几何特征的人脸采用聚类得到的人脸模板总能非常近似地确定特征点的位置。特征点位置确定后在所有的特征点位置计算Gabor小波变换系数并将其串联成表示人脸图像的向量。在人脸表情变化后追踪特征点得到脸部特征的位移或形变信息然后用基于状态的特征选择方法来提取表情特征最后再根据表情特征值来分类。一像Y)它的离散余弦变换为c()=(u)()∑∑y),/MNx一=~cosMcos()LJLⅣJ(u⋯Mcos()LJLⅣJ、。因此能有效降低图像的维数。然后对小波分解后的低频图基于小波和DCT的人脸识别系统框图对给定人脸表情图像训练集作适当层次的小波分解获得低频子图在对其进行离散余弦变换取一定数量的DCT系数作为特征向量。最后得到每幅图像的特征向量一一存放在数据库中。在识别时给定一个待识别的人脸表情图像同样对其作适当层次的小波分解获得低频子图进行离散余弦变换取一定数量的DCT系数作为该图像的特征X利用欧式距离和最近邻分类器比较待识别人脸表情的特征向量与数据库中人脸表情的特征向量从而识别出人脸表情。如果待识别人脸表情的特征向量为数据库中人脸的特征向量为那么它们之间的欧式距离为:=一I:(一.o)(l.)⋯(一一.^一)】()其中=⋯Ml】=..f⋯。.^一l】M是作为特征保留的DCT系数的个数。通过找出最小的z而得到匹配结果。支持向量机(SVM)分类识别弹性模板匹配是现有识别算法中较有影响的一种这种算法在年FERET的评测中表现优异J对光照、表情、姿态等模式变化具有一定的鲁棒性。在对表情视图像进行识别分类后针对表情进行表情强度的度量通过衡量面部特征形变的大小来估计表情强度。这里采用等容特征映射(ISOMAP)从高维特征点轨迹中自动抽取出表情强度的范围。ISOMAP是一种非线性降维方法通过以低维的欧几里德空间表示数据流形来实现降维即在与面部特征点的高维样本相关的度量空间Y中(YcR)找到一个点集{Y}:使得高维空间中的两个点XX之间的距离与他们在低维空间中对应的点YYm之间的距离中性愤怒高兴悲伤惊讶厌恶恐惧■■一豳豳■■一■一一一■■一一一■一■■....图表情强度递归图大致相等。通过ISOMAP降维从高维的面部特征点轨迹空间得到了表示表情强度的一维流形。连续的强度值归一化为一到之间的值其中一表示无表情表示表情达到最高潮。将抽取出的表情强度值进行等级划分共分为个强度等级一一.为第级即最弱级一.为第级依此类推.为第级。选取JAFFE中的人脸表情数据库的一组表情图如图所示每一类选择幅用以区别不同的表情强度。其对应的特征点位移向量和ISOMAP得到的表情强度等级作为SVM的训练样本构造表情强度模型。测试其特征点位移向量被SVM归类为类表情强度等级之一。试验结果实验数据是JAFFE人脸表情数据库中人脸的幅不同图像试验结果如表所示。可以得出结论基于小波分解的DCT识别率分别比未基于小波分解的DCT识别率高出.个百分点。试验结果如图所示充分说明了方法的有效性。表图像的识别结果(JAFFE库)平均信训练图像中性愤怒高兴悲伤惊讶厌恶恐惧。一在基于SVM的人脸表情强度的识别的实验中构建的人脸表情识别系统采用JAFFE人脸表情数据库中的幅七种基本表情图片进行训练和测试。实验结果如表所示。表使用SVM的准确率表情分类识别率中性愤怒高兴悲伤惊讶厌恶恐惧参考文献:TianYingliTKanadeJFCohn.EvaluationofgaburwaveletbasedfacialactionunitrecognitionimagesequencesofincreasecomplexityC.ProceedingsoftheFifthIEEEInternationalConferenceonAutomaticFaceandGestureRecognition.WashingtonUSA:IEEE..吴洪文李九贤夏良正.一种新的二维离散余弦变换快速算法J.东南大学学报().胡国胜.支持向量计算法及应用J.现代电子技术():.李云峰欧宗瑛.基于Gabor小波变换和支持向量机的人脸识别J.计算机工程().KRaoandPYip.DiscreteCosineTransformAlgorithmsAdvantagesApplicationM.Academic:NewYorkNY.王志良刘芳王莉.基于计算机视觉的表情识别技术综述J.计算机工程():.ASamalPAIyengar.Automaticrecognitionandanalysisofhumanfacesandfacialexpressions:asurveyJ.P~ternRecogni·tiont:.RChellappaCLWilsonandSSirohey.HumanandMachineRecognitionofFaces:ASu~eyC.Proc.IEEE():.LWiskotteta.FacereconitionbyelasticbunchgraphmatchingJ.IEEETransactiononPMternAnalysisandMachineIntelligenee():.作者简介】李斐(一)女(汉族)山东泰安人硕士研究生主要从事模式识别与数字图像处理的研究。陈亚军(一)男(汉族)四川人教授四川省电子信息处理与教育信息技术重点实验室副主任硕士生导师主要从事计算智能与智能信息处理和.%嵌入式系统的研究。%.%.%.%.%.%一l一

用户评价(0)

关闭

新课改视野下建构高中语文教学实验成果报告(32KB)

抱歉,积分不足下载失败,请稍后再试!

提示

试读已结束,如需要继续阅读或者下载,敬请购买!

文档小程序码

使用微信“扫一扫”扫码寻找文档

1

打开微信

2

扫描小程序码

3

发布寻找信息

4

等待寻找结果

我知道了
评分:

/4

基于混合方法的人脸表情识别研究

VIP

在线
客服

免费
邮箱

爱问共享资料服务号

扫描关注领取更多福利