积分商城

最新搜索： LPC824 ad库文件 NSA2860 半桥 PID控制LABVIEW ICNM8001
您现在的位置是：首页 > 技术资料 > 基于几何和纹理特征的表情层级分类方法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于几何和纹理特征的表情层级分类方法

更新时间：2019-12-24 01:49:04 大小：2M 上传用户：zhiyao6查看TA发布的资源 标签：纹理特征 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对表情识别,为提取对个体差异鲁棒性更强的特征,并有效利用特征自身分布特性,本文提出基于几何和纹理特征的表情层级分类方法.首先,构建基于中性脸相似度的几何特征提取方法,自动匹配样本相似中性脸,提取特征点比例系数几何特征;然后,利用充分矢量三角形提取纹理特征;最后,给出表情层级分类框架,在三个层级下分别利用提取特征判定表情类别.所提方法在JAFFE库和CK库上的实验结果表明,本文方法取得了比基于一般几何和纹理特征的识别方法更好的效果,证明了本文方法的有效性.


部分文件列表

文件名 大小
基于几何和纹理特征的表情层级分类方法.pdf 2M

部分页面预览

（完整内容请下载后查看）
1
Vol． 45 No． 1  
Jan． 2017  
第
期
电
子
学
报
2017  
1
ACTA ELECTRONICA SINICA  
年
月
基于几何和纹理特征的表情层级分类方法  
1，2  
1，2  
1，2  
1
1，2  
1，2  
， ， ， ， ，  
胡 敏 江 河 王晓华 许良凤 黄晓音 程轶红  
( 1．  
，
合肥工业大学计算机与信息学院 安徽合肥  
230009; 2．  
，
情感计算与先进智能机器安徽省重点实验室 安徽合肥  
230009)  
:
， ， ，  
针对表情识别 为提取对个体差异鲁棒性更强的特征 并有效利用特征自身分布特性 本文提出基于几  
摘
要
． ， ， ，  
何和纹理特征的表情层级分类方法 首先 构建基于中性脸相似度的几何特征提取方法 自动匹配样本相似中性脸 提  
; ， ; ， ，  
取特征点比例系数几何特征 然后 利用充分矢量三角形提取纹理特征 最后 给出表情层级分类框架 在三个层级下  
．
分别利用提取特征判定表情类别 所提方法在  
JAFFE CK  
库和  
，
库上的实验结果表明 本文方法取得了比基于一般几何  
，
和纹理特征的识别方法更好的效果 证明了本文方法的有效性  
．
:
;
;
;
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
表情识别 几何和纹理特征 中性脸相似度 层级分类  
:
TP391  
:
A
: 0372-2112 ( 2017) 01-0164-09  
DOI: 10． 3969 /j． issn． 0372-2112． 2017． 01． 023  
文献标识码  
文章编号  
电子学报  
A Hierarchical Classification Method of Expressions  
Based on Geometric and Texture Features  
1，2  
1，2  
1，2  
1
HU Min ，JIANG He ，WANG Xiao-hua ，XU Liang-feng ，  
1，2  
1，2  
HUANG Xiao-yin ，CHENG Yi-hong  
( 1． School of Computer and Information，Hefei University of Technology，Hefei，Anhui 230009，China;  
2． Anhui Province Key Laboratory of Affective Computing and Advanced Intelligent Machine，Hefei，Anhui 230009，China)  
Abstract: In order to strengthen the robustness of the extracted features for individual differences and use the distribu-  
tion characteristics of the features more effectively，this paper presents a hierarchical classification method of expression  
based on geometric and texture features． Firstly，a geometric feature extract method is constructed based on the similarity of  
neutral expression，which automatically matches with the similar neutral expression images of sample images and extract geo-  
metric features based on feature points scale factor． Then，texture features are extracted by using sufficient vector triangle pat-  
tern． Finally，the facial expression hierarchical classification framework is achieved by using the above features to judge ex-  
pression categories in the three layers respectively． Experiment results in JAFFE database and CK database show that the pro-  
posed method improves the recognition rate compared with the methods based on the typically geometric and texture fea-  
tures．  
Key words: expression recognition; geometric and texture features; similarity of neutral expression; hierarchical clas-  
sification  
，
人脸进行关键点定位 然后测量定位点间的相对距离  
，
1
引言  
［7］  
， :  
最后根据距离定义特征 如 夏海英等人 提出了直接  
，
人脸表情识别是人工智能领域的重要分支 近年  
( Direct Geometric  
表示关键点位置信息的直接几何特征  
Feature，DGF)  
， ，  
来 很多研究者对表情识别进行了研究 主要工作集中  
［1，2］  
和间接利用关键点位置信息的间接几何  
．
于表情特征提取与分类识别  
表情特征提取包括纹  
［3］  
( Indirect Geometric Feature，IDGF) ，  
并 将  
DGF  
和
特征  
．
理特征提取方法与几何特征提取方法  
纹理特征主  
Ga-  
［8］  
IDGF  
，
融合 共同表达几何特征  
; Anwar Saeed  
等人  
在
，
要用来描述图像的局部灰度变化 代表性的方法有  
［4］  
［5］  
、 、 8 ， 6  
眉部 眼角 嘴部定位 个关键点 计算获得 个归一化  
bor  
、
( Local Binary Pattern，LBP)  
小波  
局部二值模式  
［6］  
，
几何特征向量作为几何特征 并通过实验论证了几何  
LBP  
．
几何特征提取方法一般首先对  
及
的改进算法  
: 2015-05-19;  
: 2016-01-14; :  
责任编辑 孙瑶  
收稿日期  
修回日期  
165  
1
:
敏 基于几何和纹理特征的表情层级分类方法  
第
期
胡
［9］  
; Song  
， 1 ，  
度都各不相同 如图 所示 人在中性表情时眼睛处于  
特征对于表情识别的重要性  
等人 利用主动外  
( Active Apperance Model，AAM)  
观模型 检测预处理后的  
人脸表情图像特征点 也有部分研究者首先二值化分  
， ，  
正常大小 惊讶时趋于瞪大眼睛 而图  
1( a)  
中的个体中  
;
1( b)  
1( c)  
中个体惊讶  
性表情时眼睛的大小与图  
和图  
时眼睛的大小几乎相同 人在中性表情时眉毛中间高  
1( d)  
中
， 、  
割人脸图像 然后根据分割出器官区域的面积 周长等  
;
［10］  
，
几何信息进行特征提取 最后分类识别  
．
，
，
上述几何特  
两端低 悲伤时眉毛内角与中部通常平行 而图  
，
征提取方法都存在同样的问题 即没有考虑人脸个体  
．
的个体中性表情时眉毛内部与中部也趋于平行 因此  
，
，
差异给表情识别结果造成的不利影响 因此易积政等  
，
在基于面部表情几何特征的表情识别中 器官的个体  
［11］  
，
提出特征点距离比例系数 一定程度上减少了由  
．
差异是导致表情误识别的一个重要因素  
人
． ，  
人脸个体差异带来的表情特征的差异 然而 该方法是  
，
基于已知测试样本中性脸的表情识别方法 对于未知  
．
中性脸的表情识别不具有推广意义 故本文提出基于  
，
中性脸相似度的面部几何特征提取方法 在测试过程  
，
中 首先进行测试样本与训练集中的中性表情样本之  
， ，  
间的人脸相似度计算 设定相似度阈值 筛选出与测试  
，
样本相似度较高的中性脸样本 然后提取图像的特征  
， ，  
点距离比例系数 最后根据中性脸相似度计算权值 从  
，
而获得测试样本的自适应加权几何特征 不仅增强了  
，
几何特征的个体差异鲁棒性 也提高了算法的推广性  
．
无论是纹理特征还是几何特征都只能从单一方面  
，
描述表情图像的特征 而单一的特征往往会使得识别  
， ，  
结果具有一定的偶然性 鲁棒性与稳定性不理想 故很  
，
多研究者对多特征融合的表情识别方法进行了研究  
［12］  
，
如魏冉等人 通过表情先验知识及大量实验分析 使  
AAM  
，
定位面部表情关键点 在面部表情  
本文利用  
图像中选取对表情识别起关键作用且具有较低错误定  
23  
、
用不同的特征提取方法分别提取嘴巴 额头和眉毛部  
［13］  
， ;  
位的特征 提高了表情识别的正确率 刘帅师等人  
针
，
个点作为特征点 特征点选取及定位效果如  
位率的  
Gabor ， Gabor  
特征的全局特性较弱的问题 将  
对
多个方  
2
．
所示  
图
，
向的特征进行融合 并结合分块直方图进行表情特征  
， ．  
提取 获得了较好的效果 在各种多特征融合的表情识  
，
别方法中 人脸表情特征的自身分布特点往往被人们  
［14］  
，Zheng Zhang  
忽视  
提出人脸表情识别的多特征分层识别方法 该方法将  
LBP Gabor  
等人 基于表情特征自身分布特性  
，
，
和
两种特征结合进行表情图像的双层识别  
．
在与人无关的表情识别中取得了较好的效果 但  
LBP  
Gabor  
，
特征都属于图像的局部纹理特征 相似性较  
和
， ．  
大 将两者相结合互补性较弱 故本文进一步提出表情  
p
根据定位关键点 的坐标  
i
( x y ) ， ( 1)  
利用式 求取  
i， i  
，
图像层级分类方法 将在表情识别中取得良好表现的  
:
［15］  
特征点两两间的欧式距离  
基于充分矢量三角形的纹理特征 与基于中性脸相似  
2
2
d = p － p  
ij  
=
( x － x ) + ( y － y )  
j
( 1)  
， 、  
度的面部几何特征相结合 分别从全局层级 局部层级  
i
j
i
i
j
槡
，i = 1，2，…，23; j = 1，2，…，23，  
特征点两两间相对  
其中  
，
以及混合层级出发 利用表情特征的自身分布特性进  
距离的变化反映了面部表情器官自身的形变以及相对  
， ，  
行表情识别 从而充分发挥单个特征的有效性 获得更  
．
位置的变化 为了减小器官的个体差异在表情识别中  
．
加可靠的表情识别结果  
，
造成的不利影响 本文在特征训练过程中将表演者的  
2
几何和纹理特征的提取  
各种表情图像与自己的中性表情图像的特征点相对距  
2. 1  
，
离之比作为该表情的特征点比例系数 在测试过程中  
，
基于中性脸相似度的几何特征提取  
，
虽然不同的人类个体具有相同的表情器官 但是  
先根据中性脸相似度阈值确定与测试样本相似度较大  
、
不同人类个体相同表情器官的大小 形状以及拉伸程  
，
的中性脸图像 再求取测试样本与相似中性脸的特征  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号