Gabor多方向特征融合与分块统计的表情识别

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。

Expression recognition based on Gabor multi-orientation features fusion and block statistics