李 莉,穆佳玮

(江苏大学 计算机科学与通信工程学院,镇江 212013)

1 引言

人脸作为重要的生物学特征,在人际交流中传达着丰富的信息.从面部表情的角度来看,人脸表情包含着丰富的情感以及心理信息,是一种重要的非语言交流方式.另外,还可以从人的面部识别出人的性别,年龄,种族和其他特征.目前,关于面部表情分类的研究已受到国内外许多著名大学,研究机构和公司的重视,这主要是由于其重要的理论研究意义和广泛的应用场景.20世纪60年代,国外学者提出了基于人脸的几何特征识别方法用于图像分类.在90年代由Belhumeur提出的线性判别分析(LDA)[1]成为了当时颇具代表性的人脸识别算法.研究者们在此算法基础上研究产生了许多改进算法,比如并行LDA 算法、基于概率延伸公式的LDA 算法、直接的LDA 判别方法以及近期的一些基于核学习的改进攻略[2].后来Yang 等[3]提出基于稀疏表示(SRC)理论的分类方法开始应用到了面部识别中.

在人脸表情分类的过程中,面部表情特征的提取将会很大程度地影响到最终的分类效果.常用的特征提取方法有基于几何特征的方法、模板匹配法(ASM)[4]、弹性图匹配(DLA)[5]、局部二值模式(LBP)[6]以及Gabor 小波变换[7]等方法.由于局部二值模式计算复杂度低以及能更好的体现图像纹理特征等优点,被广泛地应用于图像分类等领域中.在分类识别方面,常用的有K 最近邻(KNN)[8]、支持向量机(SVM)[9]、卷积神经网络[10]等分类器.2011年由国内学者Zhang 等[11]提出了协作表示分……