基于HOSVD分类的非特定人脸表情识别算法

作者：何颖; 陈淑鑫; 王丰

来源：计算机仿真, 2021, 38(10): 193-198.

• 人脸表情
• 非特定人
• 高阶奇异值分解
• 区域能量

由于人脸外观、光照、姿势变化等对人脸表情特征提取的影响,非特定人脸表情识别率普遍较低。针对上述问题,提出一种基于高阶奇异值分解(HOSVD)分类的非特定人脸表情识别算法。算法融合局部方向模式(LDP)全脸特征和中心化二值模式(CBP)局部特征,以增强人脸表情特征的鉴别力,引入HOSVD建立表情子空间进行分类识别,从而减少人脸外观对表情特征的影响,同时利用HOSVD求解区域能量用于精确匹配。在JAFFE数据库上的非特定人脸表情实验结果表明,HOSVD分类算法相比传统最近邻算法更能区分表情图像的特征,识别率提高了18%,此外,LDP融合CBP特征相比LDP特征和CBP特征更能准确描述人脸表情,识别率分别提高了17%和12.2%。由此可见,上述方法对解决非特定人表情识别问题具有更好的识别效果。

• 单位
  哈尔滨工程大学; 天津大学仁爱学院