基于亮度检测检测和SVM的人脸表情识别算法

陈亚雄，王西博，王 超

（西北工业大学 电子信息学院，陕西 西安 710129）

基于亮度检测检测和SVM的人脸表情识别算法

陈亚雄，王西博，王 超

（西北工业大学 电子信息学院，陕西 西安 710129）

针对包含表情信息的静态图像，提出基于皮肤检测和SVM的人脸表情识别算法。首先根据先验知识，并使用皮肤检测和积分投影相结合定位眉毛眼睛区域和嘴巴区域，自动分割出表情子区域。接着，对分割出的表情子区域进行Gabor小波特征提取，在利用Fisher线性判别对特征进行降维，去除冗余和相关。最后利用支持向量机对人脸表情进行分类。用该算法在日本表情数据库上进行测试，获得了较高的识别准确率。证明了该算法的有效性。

亮度检测；表情特征提取；Fisher线性判别；支持向量机

人脸表情识别是指从给定的表情图像或视频序列中分析检测特定的表情状态，进而确定被识别对象的心理情绪。人脸表情识别技术在心理学研究、图像理解、合成脸部动画以及新型人机交互等领域有着重要的应用价值。

人脸表情识别一般包括3部分：脸部定位、脸部特征提取和表情分类。该研究的一个难点就是如何提取出完整、鲁棒、紧凑且富有区分性的表情特征，以提高分类的准确程度。近年来出现了很多识别静态图像表情的方法：文献[1]中提出了一种基于模板的表情识别方法；文献[2]中将Gabor小波（或独立成分分析）和支持向量机 （Support Vector Machine，SVM）结合起来识别面部表情；文献[3]利用Gabor小波和BP神经网络分类表情；……