自适应加权LGCP与快速稀疏表示的面部表情识别

摘要：

针对传统LBP特征提取方法对非单调光线变化比较敏感且无法对全局特征进行稀疏表示的缺陷，提出一种自适应加权局部格雷码模式（Local Gray Code Patterns，LGCP）与快速稀疏表示相结合的特征提取方法。先对原始图像应用边缘检测算子最大化边缘值，以克服光线变化对特征描述的影响。采用LGCP编码得到八位格雷码并转换为十进制，然后对图像进行分块加权级联，使描述子能够对局部特征进行最优表征；同时，为了得到更好的全局特征的稀疏表示，将级联后的直方图分布特征描述子作为原子构造字典；最后，使用一种快速稀疏表示方法作为分类器进行分类识别。基于扩展Cohn-Kanade（CK+）表情数据集进行多组实验，结果表明该方法的识别速度更快，识别率可达94%。

关键词：表情识别、格雷码模式、稀疏表示

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金No.61170120。

在线出版日期：2017-02-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：158-162