基于Gabor参数矩阵与改进Adaboost的人脸表情识别

摘要：

针对目前人脸表情识别(FER)中Gabor特征维数高、计算量大并且存在特征冗余的问题,提出一种基于Gabor参数矩阵与改进Adaboost的人脸表情识别算法.首先,结合图像像素信息与Gabor小波核的参数定义Gabor参数矩阵;其次,在Adaboost中引入遗传算法(GA)的思想改进其搜索性能,并利用改进的Adaboost选择与Gabor参数矩阵元素对应的最优特征来构建强分类器,从而通过特征选择的方法降低Gabor特征的维数和冗余,减少计算量;最后,在构建多个强分类器的基础上,提出多表情分类算法实现面部表情的分类识别.基于Matlab的实验结果表明,该算法的平均表情识别率为89.67％,且最优特征的选取效率得到明显提高.

关键词：人脸表情识别、Gabor特征、Gabor小波、遗传算法、Adaboost

所属期刊栏目：34

分类号：TP391.41(计算技术、计算机技术)

资助基金：兰州工业学院青年科技创新基金资助项目13K-009

在线出版日期：2014-05-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1134-1138