基于非下采样Contourlet变换的人脸表情识别算法研究讲述.doc

基于非下采样Contourlet变换的人脸表情识别算法研究 贾函龙 王金芳 黄利飞 (1 辽宁机电职业技术学院，；2，0662002；，310000) 摘要：本文研究了非下采样Contourlet变换在人脸表情识别中的应用，并设计了相应的算法流程。首先将人脸表情图像分割为最能表征表情信息的眼睛和嘴巴两个部分，然后利用非下采样Contourlet变换对分割的局部图像进行特征提取，最后使用极限学习机进行分类，并与BP神经网络进行对照实验。研究结果显示，表情分类平均准确率可达86.57%，比BP神经网络的分类方法平均准确率高出7.43%。而在执行速度方面，极限学习机却是BP神经网络的11.09倍，表明了本实验方案的高效性和可行性。 关键词：人脸表情识别；非下采样Contourlet变换；极限学习机；BP神经网络 中图分类号： 文献标识号： Facial expression recognition based on the next sampling Contourlet transform algorithm research Jia Hanlong1, Wang Jinfang2, Huang Lifei3 (1 Liaoning Mechatronics College, Liaoning Dandong, 118000, China；2 Yanshan University, Qinhuangdao, 066200, China；3Hangzhou ChouTou Tech Co. LTD, Hangzhou, 310000, China) Abstract: this paper studied the next sampling Contourlet transform in the application of facial expression recognition, and the corresponding algorithm design process. Facial expression of the image segmentation is the most can represent the expression information of the eyes and the mouth of two parts, and then use the sampling Contourlet transform under the division of local image feature extraction, finally using extreme learning machine for classification, and compared with the BP neural network control experiment. The results showed that expression classification accuracy can reach 86.57% on average, than the BP neural network classification method of average accuracy higher than 7.43%. In the speed of execution method, extreme learning machine is 11.09 times that of the BP neural network show that the efficiency and feasibility of the experiment scheme. Key words: facial expression recognition; The next sampling Contourlet transform; Extreme learning machine; The BP neural network 引言 人脸表情含有丰富的人体行为信息，可以直观的反应一个人的心理状态。随着人机交互的研究日益得到人们关注，人脸表情识别已经成为模式识别领域一个极具研究意义的分支。目前，应用于表情识别的方法有基于gabor小波特征的方法，基于主动形状模型(ASM)和主动外观模型(AAM）的方法，基于流形的方法等。 典型的人脸表情提取主要包括人脸表情的预处理，特征提取与选择和人脸表情分类三个主要步骤。其中，表情特征的提取与选择是人脸表情识别步骤中最关键的一步。如何将人脸表情预处理得到的高维数据进行快速有效的降维，是表情识别系统的核心，也是目前为止最难于有效解决的关键所在。Gab