基于RGB-D的人脸表情识别研究
2016-03-24吴会霞陶青川龚雪友
现代计算机 2016年8期
吴会霞,陶青川,龚雪友
(四川大学电子信息学院,成都 610065)
基于RGB-D的人脸表情识别研究
吴会霞,陶青川,龚雪友
(四川大学电子信息学院,成都 610065)
针对二维人脸表情识别在复杂光照及光照条件较差时,识别准确率较低的问题,提出一种基于RGB-D的融合多分类器的面部表情识别的算法。该算法首先在图像的彩色信息(Y、Cr、Q)和深度信息(D)上分别提取其LPQ,Gabor,LBP以及HOG特征信息,并对提取的高维特征信息做线性降维(PCA)及特征空间转换(LDA),而后用最近邻分类法得到各表情弱分类器,并用AdaBoost算法权重分配弱分类器从而生成强分类器,最后用Bayes进行多分类器的融合,统计输出平均识别率。在具有复杂光照条件变化的人脸表情库CurtinFaces和KinectFaceDB上,该算法平均识别率最高达到98.80%。试验结果表明:比较于单独彩色图像的表情识别算法,深度信息的融合能够更加明显的提升面部表情识别的识别率,并且具有一定的应用价值。
表情识别;RGB-D;深度信息;AdaBoost
0 引言
一直以来在计算机视觉领域,人脸表情识别有着重要的研究意义,在过去的十几年里,众多研究学者为此做出了大量的努力,在二维人脸表情识别方面取得了一些研究成果[1],涌现了一大批优秀的算法。但是由于二维图像的局限性,在实际应用环境中当某些因素发生改变时,例如姿态、光照、遮挡物和面部整形,对于同一个人的两张RGB图像,这些可变因素可以引起图像表达信息的不同,从而导致识别算法性能降低,很难再有突破性的进展。因此,研究学者开始使用对光照和姿态具有鲁棒性的三维数据进行表情识别。……
登录APP查看全文
