融合全局和局部特征并基于神经网络的表情识别

• 作者: 吴晶晶 程武山
• 来源期刊: 计算机测量与控制
• 关键词: 表情识别 adaboost人脸检测 PCA BP神经网络
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 设计与应用
• 页码范围: 172-175
• 页数: 4页
• 分类号: TP368.2
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.06.044

摘要

在表情中含有最多特征信息的是面部眉毛、眼睛和嘴巴这3个区域,为充分利用这些特征,减少图像中无用信息在识别过程中对计算机内存的占用,提高人脸表情识别系统的准确率和速度,首先采用haar和adaboost人脸检测算法,对图像中的人脸进行识别,获得人脸图像并提取眉毛、眼睛和嘴巴,生成局部(眉毛、眼睛、嘴巴)二值化图,利用PCA方法对人脸图像降维,降维后的全局和局部灰度特征值组成一个列向量;样本由表情数据库产生,经过神经网络样本训练后,进行表情识别;结果表明,该系统对人脸表情识别速度明显快于Gabor小波算法;识别的准确率高于单独使用PCA算法和神经网络算法;消耗内存比用Gabor小波算法少,运行较流畅;得出结论:因为提取出包含表情特征信息集中区的眉毛、眼睛和嘴巴,尽可能多地保留了这些局部特征信息,因而提高了表情识别准确率,同时,采用PCA方法对原始图像进行降维处理,有效的减少了信息冗余.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程武山	上海工程技术大学机械工程学院	96	432	12.0	17.0
2	吴晶晶	上海工程技术大学机械工程学院	1	2	1.0	1.0