基于特征点矢量与纹理形变能量参数融合的人脸表情识别

人脸表情识别是人机交互领域的研究热点和难点之一。为了有效去除由于个体差异而造成的表情特征的差异,该文首先基于特征点矢量提出特征点距离比例系数;其后,又给出纹理形变能量参数的概念;最后,将二者融合用于人脸表情识别。所提方法在Cohn-Kanade数据库及BHU人脸表情数据库进行了测试,实验结果表明该方法较传统的方法在识别率上分别提高了4.5%与3.9%。     

一种基于稠密SIFT特征对齐的稀疏表达人脸识别算法

该文针对人脸图像受到非刚性变化的影响,如旋转、姿态以及表情变化等,提出一种基于稠密尺度不变特征转换(SIFT)特征对齐(Dense SIFT Feature Alignment, DSFA)的稀疏表达人脸识别算法。整个算法包含两个步骤:首先利用DSFA方法对齐训练和测试样本;然后设计一种改进的稀疏表达模型进行人脸识别。为加快DSFA步骤的执行速度,还设计了一种由粗到精的层次化对齐机制。实验结果表明:在ORL,AR和LFW 3个典型数据集上,该文方法都获得了最高的识别精度。该文方法比传统稀疏表达方法在识别精度上平均提高了4.3%,同时提高了大约6倍的识别效率。     

人脸表情识别技术在教学质量分析中的应用

人脸表情识别技术一直以来都是人机交互领域的热门技术、关键技术。近些年来,人脸表情识别在教学质量分析、心理分析得到了广泛关注。特别是教学质量分析,通过对课堂上学生的表情分析,可以得到课堂教学质量、效率等关键信息。要针对课堂上的学生识别人脸表情并进行表情分析,在课堂上所能得到的人脸图像大多是非正面的,为了更好地得到教学质量信息,就要对正面和非正面的人脸图像进行人脸表情识别。鉴于此,文章首先介绍了人脸表情识别技术、表情特征提取和分类方法,然后介绍了非正面人脸表情识别技术以及现有的非正面人脸数据库,最后总结了教学质量分析中人脸表情识别方法的研究现状,并对进一步的教学分析研究和发展方向进行了展望。     

自适应非负加权约束低秩稀疏表示的跨数据集面部表情识别

面部表情识别很大程度上受限于来自相同条件、相同个体和大量标记样本这些假设,当突破上述假设条件时,识别性能将会显著下降。针对这个问题,提出一种自适应非负加权约束低秩稀疏表示的跨数据集面部表情识别方法,通过自适应非负加权矩阵约束加强图像数据表示中重要特征的作用并减少无用特征的干扰。通过映射矩阵的约束,使基于低秩与稀疏表示的子空间能够学习鲁棒的相似图像以便实现最终的跨数据集面部表情识别。在公开的JAFFE和CK+两个跨数据库上的对比实验结果表明,文章算法对于跨数据集面部表情识别的性能更优。     

融合局部语义与全局信息的人脸表情识别

人脸表情识别在人机交互等人工智能领域发挥着 重要作用,当前研究忽略了人脸的语 义信息。本 文提出了一种融合局部语义与全局信息的人脸表情识别网络,由两个分支组成:局部语义区 域提取分支 和局部-全局特征融合分支。首先利用人脸解析数据集训练语义分割网络得到人脸语义解析 ,通过迁移训 练的方法得到人脸表情数据集的语义解析。在语义解析中获取对表情识别有意义的区域及其 语义特征, 并将局部语义特征与全局特征融合,构造语义局部特征。最后,融合语义局部特征与全局特 征构成人脸 表情的全局语义复合特征,并通过分类器分为7种基础表情之一。本文同时提出了解冻部分 层训练策略, 该训练策略使语义特征更适用于表情识别,减 少语义信息冗余性。在两个公开数据集JAFFE 和KDEF上 的平均识别准确率分别达到了93.81%和88.78% ,表现优于目前的深度学习方法和传统方法。实验结果证 明了本文提出的融合局部语义和全局信息的网络能够很好地描述表情信息。     

基于动态时间规整和主动外观模型的动态表情识别

针对静态表情特征缺乏时间信息,不能充分体现表情的细微变化,该文提出一种针对非特定人的动态表情识别方法:基于动态时间规整(Dynamic Time Warping, DTW)和主动外观模型(Active Appearance Model, AAM)的动态表情识别。首先采用基于局部梯度DT-CWT(Dual-Tree Complex Wavelet Transform)主方向模式(Dominant Direction Pattern, DDP)特征的DTW对表情序列进行规整。然后采用AAM定位出表情图像的66个特征点并进行跟踪,利用中性脸的特征点构建人脸几何模型,通过人脸几何模型的匹配克服不同人呈现表情的差异,并通过计算表情序列中相邻两帧图像对应特征点的位移获得表情的变化特征。最后采用最近邻分类器进行分类识别。在CK+库和实验室自建库HFUT-FE(HeFei University of Technology-Face Emotion)上的实验结果表明,所提算法具有较高的准确性。     

基于小波能量特征和FLD的人脸表情识别

提出一种能量特征和Fisher线性判别法(FLD)相结合的面部表情识别方法,首次提出了小波能量特征在表情识别中的应用.鉴于小波能量特征具有表现表情纹路的能力,与人脸表情识别的要求正好相符,把小波能量特征加入到原始图像中,再用FLD进行特征提取.通过在日本JAFFE人脸表情库的七种表情(生气、厌恶、恐惧、高兴、中性、悲伤、惊讶)上进行实验,验证了该方法的有效性.它不仅能获得高的表情识别率,而且过程简单,易于实现.     

融合局部纹理和形状特征的人脸表情识别

针对局部二值模式(LBP)、中心对称局部二值模式(CS-LBP)和梯度方向直方图(HOG)的不足进行改进,该文提出中心对称局部平滑二值模式(CS-LSBP)和绝对梯度方向直方图(HOAG),并提出一种融合局部纹理特征和局部形状特征的人脸表情识别方法。该方法首先采用CS-LSBP算子和HOAG算子分别提取人脸表情图像的局部纹理特征和局部形状特征,然后使用典型线性分析法(CCA)进行特征融合,最后利用支持向量机(SVM)进行表情分类。在JAFFE人脸表情库和Cohn-Kanade(CK)人脸表情库上的实验结果表明,改进的特征提取方法能更加完整、精确地提取图像的细节信息,基于CCA的特征融合方法能充分发挥特征的表征能力,该文所提人脸表情识别方法取得了较好的分类识别效果。     

基于音素的非特定人英语命令词识别算法研究

本文提出了一种新的基于音素的非特定人英语命令词识别算法,并在此算法基础上构建了一个非特定人英语命令词识别系统。结合非特定人语音识别系统的特点,系统的实现采用了HTK与VisualC++两种工具混和使用,提高了整个系统的开发效率。在识别阶段将置信度评估和不完全匹配的方法结合在一起,在一定程度上提高了识别的质量,在词汇量大于10的情况下取得了87.8％的识别率。     

基于深度学习的面部表情识别研究

面部表情能够反映人的内心情绪,在智慧课堂真实场景中识别学生面部表情从而获知学生的学习状态一直是研究的热点与难点.文章对图像进行预处理,然后分别输入到卷积神经网络层提取特征,并使用长短期记忆神经网络与提取到的特征融合.最后,将它们加权融合在一起,通过Softmax层对人脸表情进行分类.分别使用JAFFE等4个数据集、智慧...     

一种基于相关性投影的人脸性别分类算法

针对于人脸图像检测的有效利用性,为了提高其检测的性能,提出一种新的基于 监督学习的优化相关性投影(ORP)人脸性别分类算法,并将其应用到基 于Eigenface算法与Fisherface算法的人脸识别中,以及应 用WPCA到基于PGA的性别分类中。本文算法首先基于带权主成分分析(WPCA)算法来降低脸部 维度,将脸部特征提取出;然后,对其进行优化,同时 计算ORP的误差函数;最后,最小化脸部ORP误差函数,计算特征向量的 欧式距离,进行人脸性别分类。将提出方法与 传统方法进行对比,在FERET数据库上进行了实验,证明了本文方法的有效性,获得了优 于传统方法的识别率。     

基于改进的LTP人脸表情识别算法

针对人脸表情识别背景复杂导致识别率低的缺点,提出了一种中心对称三值模式(CSTP)算法,首先对人脸表情图像进行分块处理,在每一子块上提取CSTP特征,并对该子块进行CSTP特征的直方图统计,然后求出各个子块对应的信息熵,构造自适应加权系数,再分别和各个子块的直方图相乘,将自适应加权后的各个子块特征向量级联作为最终的纹理特征,最后利用支持向量机(SVM)进行表情分类.在JAFFE和CMU-AMP表情库上进行试验,通过对比其他传统方法发现该算法对表情识别更有效.     

基于自适应鲁棒在线度量学习的面部表情识别

针对自然面部表情识别中的噪声标记问题,提出了一种自适应鲁棒在线度量学习方法.首先,学习新的度量空间以增加不同面部表情的判别性;然后,定义敏感度和特异性来表征每个注释器;最后,引入表示真实类标签的潜在变量,在期望最大化架构中迭代求解距离度量和注释器的可靠性.在MFP和AR人脸数据库上的实验结果表明,相比其他几种较新的方法,本方法在自然表情识别方面能获得更高的识别精度,高兴表情识别率可高达99.7％,并且在一定程度上降低了计算开销.     

An adaptive weighted fusion model with two subspaces for facial expression recognition

Automatic facial expression recognition has received considerable attention in the research areas of computer vision and pattern recognition. To achieve satisfactory accuracy, deriving a robust facial expression representation is especially important. In this paper, we present an adaptive weighted fusion model (AWFM), aiming to automatically determine optimal weighted values. The AWFM integrates two subspaces, i.e., unsupervised and supervised subspaces, to represent and classify query samples. The unsupervised subspace is formed by differentiated expression samples generated via an auxiliary neutral training set. The supervised subspace is obtained through the reconstruction of intra-class singular value decomposition based on low-rank decomposition from raw training data. Our experiments using three public facial expression datasets confirm that the proposed model can obtain better performance compared to conventional fusion methods as well as state-of-the-art methods from the literature.     

基于Gabor小波变换的人脸表情识别

在人脸表情识别中,针对Gabor小波变换特征维数很大的问题,提出了一种新的多方向特征编码方法。通过对Gabor特征幅值进行统计处理,将每个像素点同一尺度不同方向的Gabor特征幅值闽值化成二进制,加强了Gabor小波对图像局部结构信息的表征。同时,结合了类似旋转不变LBP的方法对图像进行降维。为了进一步提高表情的正确识别率,采用一种局部区域融合的方法,最后在JAFFE表情库上进行测试,得到比较好的识别率,验证了所提方法的有效性。     

基于小波变换和梯度矢量的人脸特征点定位

人脸特征点的定位是自动人脸识别系统和人脸表情识别的重要组成部分,小波变换是近年发展起来的一种有效的信号分析工具。在小波变换基础上,提出了一种基于多尺度梯度矢量的对称变换方法,将此方法应用于人脸特征点定位,不仅减少了计算量,而且提高了定位准确度,同时对光照变化和人脸表情变化也具有很强的鲁棒性。     

A method of face recognition using 3D facial surfaces

Face recognition is one of the most rapidly developing areas of image processing and computer vision. In this work, a new method for face recognition and identification using 3D facial surfaces is proposed. The method is invariant to facial expression and pose variations in the scene. The method uses 3D shape data without color or texture information. The method is based on conformal mapping of original facial surfaces onto a Riemannian manifold, followed by comparison of conformal and isometric invariants computed in this manifold. Computer results are presented using known 3D face databases that contain significant amount of expression and pose variations.     

Weighted evidence combination method based on power-Pignistic probability distance

To deal with the shortcomings encountered when using the existing similarity/dissimilarity measures to quantify evidence conflict,a new dissimilarity measure called power-Pignistic probability distance was defined.Furthermore,a weighted evidence combination method was proposed based on power-Pignistic probability distance.The conflict degree between two pieces of evidence was quantified by the power-Pignistic probability distance.After that,a similarity measure matrix was constructed,based on which the credibility of evidence was obtained.Then the weighted average method was used to revise the evidence.Finally,the fusion was accomplished by using Dempster’s rule.The results of the numerical examples show the efficiency and rationality of the proposed method.     

Face Recognition Through Different Facial Expressions

Face recognition has become an accessible issue for experts as well as ordinary people as it is a focal non-interfering biometric modality. In this paper, we introduced a new approach to perform face recognition under varying facial expressions. The proposed approach consists of two main steps: facial expression recognition and face recognition. They are two complementary steps to improve face recognition across facial expression variation. In the first step, we selected the most expressive regions responsible for facial expression appearance using the Mutual Information technique. Such a process helps not only improve the facial expression classification accuracy but also reduce the features vector size. In the second step, we used the Principal Component Analysis (PCA) to build EigenFaces for each facial expression class. Then, a face recognition is performed by projecting the face onto the corresponding facial expression Eigenfaces. The PCA technique significantly reduces the dimensionality of the original space since the face recognition is carried out in the reduced Eigenfaces space. An experimental study was conducted to evaluate the performance of the proposed approach in terms of face recognition accuracy and spatial-temporal complexity.

     

一种具有噪声鲁棒性的人脸表情识别算法研究

为降低噪声对人脸表情识别的影响,首先提出具有人眼视觉特性的各向异性扩散滤波方法,对图像进行滤波预处理;同时采用改进HOG算子提取人脸表情特征。实验结果表明,改进的各向异性扩散滤波算法在滤除噪声的同时能更好地保留表情图像的弱小细节信息,改进HOG算子相比传统特征提取算子可以更准确地描述人脸表情特征。因此,该算法是一种有效的、具有一定噪声鲁棒性的人脸表情识别算法。