多尺度中心误差补偿二值模式的表情识别

针对Gabor小波与局部二值模式(Local Binary Pattern,LBP)在表情识别上的局限性,提出了一种多尺度中心误差补偿二值模式(Center Error Compensation Binary Pattern,CECBP)的表情识别方法。对预处理后的人脸表情图像创建多尺度的金字塔,用中心误差补偿二值模式对金字塔中的各层图像进行编码,分块提取各层编码后的直方图序列作为特征,用支持向量机(Support Vector Machine,SVM)进行分类。在JAFFE、Cohn-Kanade以及Pain Expression表情库上的交叉验证表明,该方法可以抑制噪声,具有较高的识别率和较快的识别速度,比传统的Gabor小波以及LBP更具有优势。