融合局部特征与深度置信网络的人脸表情识别

摘要：

针对传统人脸表情识别(FER)方法所提取的表情特征较为单一,同时对于表情分类器的选择存在局限性的问题,提出一种融合局部特征与深度置信网络(DBN)的FER方法.该方法首先从人脸表情图像中切割出眉毛眼睛部位与嘴巴部位这2种包含丰富表情信息的局部表情图像,对其分别提取包含纹理信息的Log-Gabor特征与包含形状信息的二阶梯度方向直方图特征,并将这2种特征相融合,获得更有效的表情特征,然后利用融合后的特征训练DBN模型,并用训练后的DBN模型进行表情识别.利用本文方法在三种表情库上进行实验,识别率可分别达到96.30％、97.39％以及95.73％,表明本文方法可有效提高人脸表情识别率.

关键词：图像处理、表情识别、特征融合、Log-Gabor特征、二阶梯度方向直方图特征、深度置信网络

所属期刊栏目：55

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61571323

在线出版日期：2018-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：196-204