基于WMCBP-WWEF特征融合的隨機森林人臉表情識別.pdf

1、人臉表情識別是計算機視覺和模式識別領域的一個研究熱點,引起越來越多的國內(nèi)外研究者的廣泛關注。人臉表情識別的目標是讓人工智能產(chǎn)品能夠自動識別出人的表情,進而分析人的內(nèi)心情感。它能進一步增強人機交互的友好性和智能性,有著廣泛的應用前景和潛在的市場價值。
　　表情識別系統(tǒng)由以下幾部分組成:人臉檢測、圖像預處理、人臉特征提取和表情分類。本文重點研究了靜態(tài)圖像表情識別中的一些關鍵問題,提出了一些改進的算法,并通過實驗加以驗證。論文的主要工作

2、和創(chuàng)新點如下:
　　(1)表情圖像預處理:由于各種圖像尺寸不同、角度不同、并會有多種光照條件的影響,因此采用均值方差歸一化、幾何規(guī)范化處理等方法對圖像進行預處理。成功的預處理為提高表情識別率奠定了良好的基礎。
　　(2)特征提取環(huán)節(jié):針對現(xiàn)有的多尺度中心化二值模式(Multi-scaleCentralBinaryPatten,MCBP)的不足,提出一種基于小波的MCBP(WMCBP)的人臉表情識別方法,對小波分解后的兩幅低頻

3、圖像的特征區(qū)域進行CBP變換,得到多級局部CBP直方圖序列特征。該方法不僅能獲得更加準確的多尺度信息,而且明顯的提高了識別速度。為進一步提高表情識別率,引入了高頻區(qū)域提取到的加權的小波能量特征(WeightedWaveletEnergyFeature,WWEF)。這兩部分特征在一定程度上可互補,將它們?nèi)诤夏茉诓幻黠@增加運算量的前提下增強WMCBP的表情識別能力。
　　(3)表情分類環(huán)節(jié):隨機森林算法(RandomForest,RF