融合DCLBP和HOAG特征的人脸表情识别方法

为了进一步提高人脸表情识别算法的准确性,提出一种融合双编码局部二值模式(DCLBP)算子和绝对梯度直方图(HOAG)算子的人脸表情识别方法,该方法首先利用DCLBP算子提取人脸图像的局部纹理特征,利用HOAG算子提取人脸图像的局部形状特征;然后,采用典型相关分析法(CCA)融合所提取的两种特征;最后,利用支持向量机(SVM)进行人脸表情分类。实验结果表明,与单一特征识别方法和级联特征识别方法相比,本文方法获得了更好的识别效果,在CK (Cohn-Kanade)和JAFFE数据集上的实验分别达到了100%和99.05%的识别率,与其他相关方法的比较也验证了其有效性。     

WGC特征描述的人脸表情识别

针对韦伯局部特征(WLD)仅计算中心像素与周围像素差异提取特征的不足,提出了一种韦伯梯度编码(WGC)特征描述的人脸表情识别算法。首先计算当前像素点周围水平、垂直和对角位置上的数值差与当前像素点的差异构成WGC特征的差动激励;然后进一步提出基于水平和对角线优先原则的WGC_HD特征;最后利用最佳分块方式得到行分块WGC_HD特征,采用自动优化参数的SVM分类器完成人脸表情识别。在公共人脸表情库JAFFE和CK库上进行交叉实验,平均识别率及平均特征提取时间分别为95.49%、12.30 ms和97.63%、31.54 ms。行分块WGC_HD特征考虑了不同梯度方向的像素差异,较好描述了表情图像的局部结构信息且具有较低的时间复杂度,与目前典型的表情识别算法结果对比也验证了算法具有较高的识别精度。     

基于小波MCBP和WEF的人脸表情识别

现有的多尺度中心化二值模式（MCBP）通过在原始图像上改变CBP算子的半径,随着算子半径的增加计算量也迅速增加。针对这个问题,提出一种基于小波的MCBP（WMCBP）的人脸表情识别方法,对小波分解后的两幅低频图像的特征区域进行CBP变换,得到多级局部CBP直方图序列特征．该方法不仅能获得更加准确的多尺度信息,而且大大降低了运算量。为进一步提高表情识别率,引入了加权的小波能量特征（WWEF）。通过对JAFFE人脸表情库的实验证明;这两部分特征在一定程度上可互补,将它们融合能在不明显增加运算量的前提下增强WMCBP的表情识别能力。     

基于区域NSBP特征的加权证据融合表情识别

为了提取鲁棒性强的人脸纹理特征并提高区域特征决策融合的性能,提出一种基于邻近平滑二值模式(neighbor smooth binary pattern, NSBP)特征描述子和加权证据融合(weighted evidence fusion, WEF)的表情识别新方法。首先,提出了一种NSBP描述子,通过判定水平、垂直及对角线方向上的"中心"像素点灰度值是否在各梯度方向上两邻域的灰度值范围内来对图像进行编码;然后基于提取的眉毛、眼睛和嘴巴区域的NSBP纹理特征来构造证据的初始基本概率分配(basic probability assignment, BPA);最后针对登普斯特-谢弗(Dempster-Shafer, D-S)证据理论在证据之间存在冲突时进行融合的不足,提出一种加权证据修正的合成方法,以完成3个区域证据的决策融合。实验结果表明,该方法在CK(Cohn-Kanade)数据库上的平均表情识别率和识别时间分别为95.25%、765 ms,与其他相关方法的比较也验证了其有效性。     

基于MobileNetV3多尺度特征融合的人脸表情识别

针对人脸表情识别中普通卷积神经网络特征提取能力不足且识别效率低下的情况，本文提出了一种基于MobileNetV3多尺度特征融合的人脸表情识别。首先利用MobileNetV3进行特征提取以获得高层次情感信息；其次在骨干网络中借鉴DenseNet结构，增强特征复用并提升网络重要面部特征表达能力；然后利用特征金字塔模块充分获取人脸图像的深层和浅层多尺度融合特征，从而提高了MobileNetV3的特征提取能力和实时性；最后利用全连接层构建分类器对表情进行分类，从而完成了人脸表情识别。通过实验验证，结果表明，在CK+和FERPlus数据集上识别准确率可以达到88.3%和98.8%，与现有方法相比分别提高了2.3%和1.5%，表明了所提方法识别效果好，泛化能力强。     

局部梯度DT-CWT主方向模式的表情识别

提出一种采用局部梯度双树复小波变换(dual-tree complex wavelet transform,DT-CWT)主方向模式(dominant direction pattern,DDP)的人脸表情识别方法。首先,对归一化后的表情图像进行4层DT-CWT,每一层得到8个方向的DT-CWT特征图像,其中包括6个高频方向和2个低频方向,构建一种新的主方向模式(IDDP)对每个DT-CWT特征图像进行编码;然后按照基于梯度方向的融合规则将每一层上IDDP编码特征图融合到一起,将融合图进一步划分为若干个不重叠且大小相等的子块,分别计算每个子块区域的直方图分布,将其联合起来得到人脸表情图像的特征;最后,采用基于Fisher加权的Chi平方概率统计最近邻方法进行分类识别。大量实验表明,算法在识别率和识别时间上都体现出了一定的优势。     

表情变化的三维人脸特征分析方法

三维人脸因其对光照,装扮变化的不敏感成为人脸分析和识别发展的新趋势。但极易受表情变化的影响成为三维人脸研究发展的瓶颈。针对此关键问题提出一种新的不受表情变化影响的三维人脸分析方法:1)计算三维人脸曲面的内蕴特征测地线距离,提取等距测地线来描述三维人脸曲面特征;2)利用改进的SIFT算法进行特征匹配。在具有不同表情的三维人脸深度图上的实验结果表明,该方法无需复杂的注册,表情的鲁棒性和识别效果优于传统的三维人脸分析方法。     

基于忆阻器卷积神经网络的表情识别

忆阻器具有纳米级尺寸、低功耗、类似神经突触等优点,在神经计算、图像分类等领域具有广阔的应用前景。本文提出了一种基于忆阻器卷积神经网络的面部表情识别方法,首先基于忆阻器构建了ResNet卷积神经网络,并对ResNet网络进行剪枝操作,然后将ResNet模型的所有卷积层以及全连接层的权重映射为忆阻器十字交叉阵列中忆阻器的忆导值。实验结果显示忆阻器卷积神经网络模型在FER2013数据集上的识别准确率为63.82%,在CK+数据集上的识别准确率为93.95%。相比与原卷积网路,准确率损失仅分别为0.31%和0.76%。最后测试了忆阻器的非理想特性对准确率的影响,为忆阻器神经网络的实际部署提供参考。     

基于加权纹理特征的SAR图像目标识别算法

由于SAR图像与光学图像的显著差异,光学图像的目标识别算法并不能应用到SAR图像中,因此研究SAR图像的目标识别具有重要的意义。传统的基于模型的SAR图像目标识别算法中将所有的特征同等看待,然而不同特征对于目标分类的贡献度可能差别很大。给不同的特征赋予不同的权重,可能会改变目标在特征向量空间中的相对位置,从而给出更合理的识别结果。采用SAR图像的纹理特征作为分类特征,在支持向量机分类算法中加入使用ReliefF算法计算得到的特征权重。试验结果表明这种加权后的目标识别算法具有更高的目标识别率。     

基于痛苦表情识别的智能医疗监护系统

报道了一种基于痛苦表情识别的智能医疗监护系统。该系统除了包含现有的自助按铃以及生理数据监控以外,首次将痛苦表情识别引入了医疗监护系统,增加了一种利用摄像头识别被监护者表情,通过面部特征点变化(皱眉时,眉间距变化)判断其是否需要医护人员帮助的新型监护方式,从而实现手动按钮—自助报警、生理数据—自动报警、表情识别—智能报警这3种报警方式于一体的智能监护系统。测试结果表明,该系统能准确识别被监护者表情变化并立即发出报警信号,解决了被监护者痛苦时的急切的监护需求,甚至还因及时预警从而增加了抢救时间,为患者提供了多重安全防护。     

基于直方图特性的图像去噪方法

传统的图像去噪方法在去噪过程中往往导致处理过后的图像模糊不清,且残留的信号噪声较大.为有效去除噪声又不至图像模糊,本文针对多幅图像加噪声后的直方图进行了分析,提出了一种利用图像直方图特性去除噪声的算法,对加入噪声后的直方图进行扫描和灰度值变换以调整原噪声图像的灰度,使得噪声融入背景.最后利用中值滤波进行残留噪点的消除.实验结果表明,该算法不仅可以使得图像能有效去除噪声,而且图像的质量有较大幅度的提高.     

基于分块LBP和分块PCA的指静脉识别方法

针对单独提取传统的局部二元模式(local binary pattern,LBP)指静脉特征识别率不高的问题,提出一种结合分块LBP和分块主成分分析(principal component analysis,PCA)的特征提取方法。首先对手指静脉感兴趣区域(region of interested,ROI)进行分块,提取分块LBP特征;然后,采用分块PCA对所提取特征进行降维除冗,得到一组新的降维后特征;最后计算欧氏距离并采用最近邻分类器进行分类。实验结果表明,论文提出方法识别率可达99.33%,等误率(equal error rate,EER)低至0.21%。与传统的3种算法进行比较,该方法的识别率有很大提高,且具有较好的稳定性和鲁棒性。