摘要

为了提取鲁棒性强的人脸纹理特征并提高区域特征决策融合的性能,提出一种基于邻近平滑二值模式(neighbor smooth binary pattern, NSBP)特征描述子和加权证据融合(weighted evidence fusion, WEF)的表情识别新方法。首先,提出了一种NSBP描述子,通过判定水平、垂直及对角线方向上的"中心"像素点灰度值是否在各梯度方向上两邻域的灰度值范围内来对图像进行编码;然后基于提取的眉毛、眼睛和嘴巴区域的NSBP纹理特征来构造证据的初始基本概率分配(basic probability assignment, BPA);最后针对登普斯特-谢弗(Dempster-Shafer, D-S)证据理论在证据之间存在冲突时进行融合的不足,提出一种加权证据修正的合成方法,以完成3个区域证据的决策融合。实验结果表明,该方法在CK(Cohn-Kanade)数据库上的平均表情识别率和识别时间分别为95.25%、765 ms,与其他相关方法的比较也验证了其有效性。