论文部分内容阅读
受控环境下的人脸表情识别研究已经取得了较好的识别效果,但真实自然环境下的人脸表情识别由于受到遮挡、光照、姿态等因素的影响,使得真正意义上的表情识别遇到瓶颈。本文着重从以下两个方面入手开展遮挡情况下的人脸表情识别研究工作:(1)针对传统特征提取算法在遮挡图像特征描述方面的不足,提出了改进的特征提取算法。(2)在对传统的图像重构算法研究和分析的基础上,提出了信息熵主成分分析遮挡图像重构算法。具体研究工作如下:(1)首先通过“三庭五眼”的方法对人脸区域进行检测和定位,对得到的人脸图像利用高斯滤波进行去噪处理。在特征提取方面,针对原始的中心对称局部二值模式(Center-Symmetric Local Binary Pattern,CS-LBP)和差值局部方向模式(Difference Local Directional Pattern,DLDP)在描述遮挡图像特征方面的不足,提出了差值中心对称局部二值模式(Difference Center-Symmetric Local Binary Pattern,DCS-LBP)和梯度中心对称局部方向模式(Gradient Center-Symmetric Local Directional Pattern,GCS-LDP)以提高对遮挡图像的特征描述能力。为进一步减少遮挡的影响,采用人脸分割的方法得到眼部和嘴部区域,并且使用信息熵加权的方法对图像块之间的卡方距离进行加权,最后使用最近邻分类器得到最终的识别结果。实验结果表明该方法能够有效地减少遮挡对人脸表情识别的影响。(2)随着遮挡区域面积的增大,单独使用图像中非遮挡区域的特征将会产生越来越大的误差,因此本文从图像重构入手,对原有主成分分析(Principal Component Analysis,PCA)算法进行了改进,提出一种利用信息熵PCA对遮挡图像进行重构的算法,以充分利用遮挡区域的特征信息。对于图像重构过程中引入的噪声,本文采用尺度不变局部三值模式(Scale Invariant Local Ternary Pattern,SILTP)对重构图像进行编码。将SILTP编码后的图像划分出眼部和嘴部区域,并对以上两区域分别提取局部方向纹理特征(Local Directional Texture Pattern,LDTP),以充分利用图像中的主要信息,并有效降低非主要信息对图像特征提取的干扰。在后续的分类识别过程中,针对重构图像中的眼部和嘴部区域,分别采用两个支持向量机(Support Vector Machine,SVM)分类器进行分类,并与第(1)步中的两个相应区域得到的分类结果进行融合,获得最终的识别结果。实验结果表明,该方法在遮挡面积增大的情况下也能取得较好的识别结果。