WGC特征描述的人脸表情识别

针对韦伯局部特征(WLD)仅计算中心像素与周围像素差异提取特征的不足,提出了一种韦伯梯度编码(WGC)特征描述的人脸表情识别算法。首先计算当前像素点周围水平、垂直和对角位置上的数值差与当前像素点的差异构成WGC特征的差动激励;然后进一步提出基于水平和对角线优先原则的WGC_HD特征;最后利用最佳分块方式得到行分块WGC_HD特征,采用自动优化参数的SVM分类器完成人脸表情识别。在公共人脸表情库JAFFE和CK库上进行交叉实验,平均识别率及平均特征提取时间分别为95.49%、12.30 ms和97.63%、31.54 ms。行分块WGC_HD特征考虑了不同梯度方向的像素差异,较好描述了表情图像的局部结构信息且具有较低的时间复杂度,与目前典型的表情识别算法结果对比也验证了算法具有较高的识别精度。

基于局部投影WGC特征的在线情感识别

为充分提取人脸表情特征并满足在线实时性需求,提出了基于局部投影韦伯梯度编码(Weber Gradient Coding,WGC)描述的人脸表情识别方法。该方法首先计算表情图像当前像素点与周围位置上的数值差同当前像素点的差异构成WGC特征的差动激励,其次通过空间金字塔划分形成表情图像空间子区域,再次分别在水平、垂直和倾斜正负45°上对WGC特征向量进行投影,得到人脸表情局部投影WGC特征,最后通过余弦距离度量表情相似度,并分别在公共人脸表情库JAFFE和CK表情库中进行实验,平均识别率及平均特征提取时间分别为85.6%、12.30 ms和90.96%、28.21 ms。结果表明:该方法较好描述了包含空间分布信息和纹理信息的人脸表情且具有较低的时间复杂度,能满足在线情感识别需求。