基于特征融合的人脸表情识别算法研究

李波，王坤侠

（安徽建筑大学 电子与信息工程学院，安徽 合肥 230601）

关键字：人脸表情识别；方向梯度直方图；人脸特征点；特征融合

面部表情作为人类语言的一部分，是表达内在情感和意图的最重要方法之一。由于面部表情识别在人机交互，商业产品和医学研究中的广泛应用，在过去的几十年中，它已经在计算机视觉和模式识别领域得到了广泛的研究。Ekman 等通过描绘不同的脸部肌肉动作与不同表情的对应关系，进而确定了六种不同的基本情感。Pantic 等通过从面部表情图像的正面轮廓中提取facial landmark 来获得32 个肌肉运动单元，并大致完成对六种基本类型的情感识别。胡敏等提出了一种Gabor 梯度特征直方图的表情识别方法，该方法使用Gabor 表示原始图像数据的局部特征，然后在相同比例的不同方向上进行特征的融合，并计算融合特征的直方图。面部表情的识别由多种特征组成，进行面部情感识别时，不相关的特征会影响情感识别的准确性，因此具有高影响因子的特征集的获取已成为面部表情识别的重要研究方向。

目前用于表情识别特征提取的方法主要有Gabor 小波、局部二值模式（Local Binary Patterns，LBP）、方向梯度直方图（Histogram of Oriented Gradient，HOG） 和 主 动 外 观 模 型（Active Appearance Model，AAM）等方法。Gabor 小波变换通常用于提取面部表情图像的局部纹理特征，Log-Gabor改进了原始的Gabor 滤波器以提取与人类视觉系统识别相似的特征。HOG方法通过使用HOG 算子计算局部图像像素值变化的幅度信息和方向信息，并统计梯度方向密度来描述图像的局部边缘特征。……