Dempster-Shafer证据融合金字塔韦伯局部特征的表情识别

摘要：

目的 针对韦伯局部特征(WLD)在局部细节表征上的局限性,提出一种基于金字塔韦伯局部特征(PWLD)的人脸表情识别方法.方法 首先对人脸图像进行预处理,分割出表情显著区域;然后根据显著区域大小进行分层并加以分块,对每一层的不同块提取PWLD特征,将测试集与训练集的PWLD直方图的卡方距离归一化作为独立证据来构造基本概率分配(BPA);最后利用D-S(Dempster-Shafer)证据理论联合规则得到融合后的BPA,进而得出识别结果.结果 在JAFFE库与Cohn-Kanade库上进行交叉验证,平均识别率分别为95.81％和97.47％.结论 PWLD特征在局部细节表征上比WLD特征更具有优势.与目前典型的方法进行对比实验,验证该方法的有效性和容错性,同时证明该方法在噪声和光照条件下具有一定的鲁棒性.

关键词：表情识别、韦伯局部特征(WLD)、金字塔韦伯局部特征、Dempster-Shafer证据理论

所属期刊栏目：19

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学青年基金项目61300119;国家高技术研究发展计划863基金项目2012AA011103;安徽省科技攻关基金项目1206c0805039

在线出版日期：2014-10-11（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：1297-1305