基于多尺度细节增强的面部表情识别方法
人类面部表情是其心理情绪变化的最直观刻画,不同人的面部表情具有很大差异,现有表情识别方法均利用面部统计特征区分不同表情,其缺乏对于人脸细节信息的深度挖掘.根据心理学家对面部行为编码的定义可以看出,人脸的局部细节信息决定了其表情意义.因此该文提出一种基于多尺度细节增强的面部表情识别方法,针对面部表情受图像细节影响较大的特点,提出利用高斯金字塔提取图像细节信息,并对图像进行细节增强,从而强化人脸表情信息.针对面部表情的局部性特点,提出利用层次结构的局部梯度特征计算方法,描述面部特征点局部形状特征.最后,使用支持向量机(SVM)对面部表情进行分类.该文在CK+表情数据库中的实验结果表明,该方法不仅验证了图像细节对面部表情识别过程的重要作用,而且在小规模训练数据下也能够得到非常好的识别结果,表情平均识别率达到98.19%.
表情识别、图像金字塔、高斯差分、细节增强、支持向量机
41
TP391.41(计算技术、计算机技术)
国家重点研发计划项目2017YFB1002804;国家自然科学基金项目61602324;浙江大学CAD&CG国家重点实验室开放课题A1914
2019-12-13(万方平台首次上网日期,不代表论文的发表时间)
共8页
2752-2759