一种新的人脸面部表情识别算法研究

针对人脸面部表情的识别率易受非均匀光照影响，进而降低人脸面部表情辨识率的问题，提出一种融合局部特征与深度置信网络（DBN）的人脸面部表情识别算法。首先提取出人脸面部表情图像中的局部敏感质量分布图（LSH）非均匀光照不变特征；其次通过双编码局部二值模式（DCLBP）提取出人脸面部表情的边缘局部细节纹理特征；然后计算其各自特征的基本标准差来进一步确定自适应融合特征的权重值，并以此构造融合后的人脸面部表情特征；最后将部敏感质量分布图（LSH）与双编码局部二值模式（DCLBP）融合后的人脸面部表情特征进行训练深度置信网络（DBN）模型，将训练后的深度置信网络（DBN）模型进行人脸面部表情识别。在JAFFE人脸面部表情数据库和自建的维吾尔族人脸面部表情数据库中识别实验表明，该算法比其他4中算法的对比中其识别率分别至少提高了4.3%和5.22%，具有很好的鲁棒性和有效性。