基于Gabor变换的多角度人脸表情识别方法

由于人脸外形的不稳定性,可通过人脸变化产生多种表情,在不同的观察角度上人脸视觉图像存在较大差异。且在光照变化、面部表情姿态以及遮挡等因素的影响下,难以准确提取人脸表情特征,导致识别准确率偏低。为此,提出基于Gabor变换的多角度人脸表情识别方法。通过人眼定位,对多角度人脸表情图像完成几何预处理,提升人脸表情识别精度。采用Gabor变换方法提取多角度人脸表情图像特征。利用弹性模板匹配方法对特征关键点开展弹性网格匹配,计算出图像的代价函数。采用K-近邻分类策略匹配评估多角度人脸表情图像,完成多角度人脸表情识别。实验结果表明,以上方法的识别时间在2s内,识别准确率接近100%,应用性能优于已有方法,验证了研究方法有效性更强、精准性更高。