文献类型：期刊文章

作　　者：刘娟[1] 胡敏[2] 黄忠[1,2]

机构地区：[1]安庆师范学院物理与电气工程学院,安庆246052 [2]合肥工业大学计算机与信息学院情感计算与先进智能机器安徽省重点实验室,合肥230009

出　　处：《电子测量与仪器学报》

基　　金：国家自然科学基金(61300119);安徽省重点实验室开放课题(ACAIM150106);安徽省教育厅自然科学研究项目(AQKJ2015B014)

年　　份：2015

卷　　号：29

期　　号：11

起止页码：1698-1705

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2015_2016、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了克服传统Gabor特征存在提取时间长和数据维数过高的不足,提出一种Gabor多方向特征融合与分块统计的表情特征提取方法。为了提取局部方向信息并降低特征维数,首先对预处理的人脸表情图像进行Gabor变换并提取多尺度多方向的表情特征;然后借鉴局部二值模式(local binary pattern,LBP)的思想将相同尺度、不同方向的特征进行融合,并对融合图进行分块,统计每块融合图的均值和标准差,以此构建块特征矢量(block feature vector,BFV),再将其联合起来形成整幅图像的表情特征矢量(expression feature vector,EFV);最后利用支持向量机(support vector machine,SVM)对提取的EFV进行分类。该算法在JAFFE和Cohn-Kanade(CK)库上进行实验,分别取得了95.67%、96.17%的平均识别率以及1 213 ms和4 565 ms的平均特征提取时间。实验结果表明所提方法能较快、较准确地进行人脸表情识别。

关 键 词：特征融合  分块统计  表情识别 支持向量机

分 类 号：TP391]