基于多尺度等价模式LBP的人脸表情识别

人脸表情识别是近年来计算机视觉和模式识别领域的一个研究热点,论文提出了基于多尺度等价模式LBP(Local Binary Patterns)的人脸表情识别方法。首先,为了消除光照影响,对图像分别进行对数变换和直方图均衡化处理,并按照一定的比例关系融合。然后,提取图像的等价模式LBP谱图,对图像进行多尺度分解。为了减少运算量,提高识别率,仅以人眼和嘴部区域的LBP直方图作为表情特征向量。最后,对重点区域的特征向量进行了加权处理,以加权欧氏距离对表情进行分类。论文用JAFFE表情库进行了测试实验,实验结果表明,该方法识别率较高,速度快。

一种识别微商商品评论中表情图片的方法

提出一种识别微商商品评论中表情图片的方法,使用手机对微信朋友圈中微商商品及评论信息截图,通过HOG-SVM模型定位表情图片;提出一种改进的LBP"等价模式"提取表情图片的纹理特征,提取出的纹理特征向量通过KNN分类器识别表情图片.通过实验证明,改进的方法在识别微信表情图片的速度和准确性方面均优于传统LBP方法.识别微商商品评论中表情图片的过程,是研究基于表情图片的商品评论情感倾向的重要部分,分析与挖掘商品评论的情感倾向对于研究商品口碑、进行商品推荐具有重要的价值.