刘帅师，　陈　奇，　程　曦

(长春工业大学 电气与电子工程学院， 吉林 长春　130012)



基于SVM与C4.5混合分类器的人脸表情识别

刘帅师，陈奇，程曦

(长春工业大学 电气与电子工程学院， 吉林 长春130012)

摘要：针对人脸表情识别特点，首先使用几何特征与基于灰度共生矩阵纹理特征的低维混合特征提取方法来提取易分类表情图片的特征向量，然后使用C4.5决策树分类器识别出脸部变化较为明显的表情，再使用SVM支持向量机对较难分类表情图片进行分类。实验结果表明，通过改变决策树算法剪枝中错误样本比率的方法可以获得最佳预测精度，识别率达到90%。

关键词：人脸表情识别； C4.5决策树； SVM； 混合特征提取； 决策树减枝

0引言

人脸表情传递着丰富的个人感情信息，并且在人与人之间的交流中扮演着重要的角色。因此,为了推动更加智能和自然的人机交互[1]，人脸表情识别在过去几十年得到广泛研究，并且成为一个研究热点。人脸表情识别的目标是在人脸图像的范围内提取出对表情识别有利的特征，并据此进行表情图像的分类工作，所以,特征提取以及图像分类这两个过程也就成为了表情分类的重点,而分类器的选择与应用成为决定最终识别精度的关键。然而，现有的多种分类技术如贝叶斯分类器、决策树分类器，亦或是支持向量机分类器都是单分类器，而随着分类对象的多样化，人们逐渐提出了多分类器组合的概念。多分类器组合使用多个基分类器进行分类，并综合所有分类结果形成一个最终结果，它能弥补单一分类器的缺陷，针对分类对象的特点，同时结合各分类器的优势，将分类器之间进行有效的组合，将其运用在分类对象中，最终提高分类效果。……