重庆理工大学学报(自然科学) ›› 2019, Vol. 33 ›› Issue (10): 109-114.doi: 10.3969/j.issn.1674-8425(z).2019.10.017
叶 杨1,孙会龙1,刘 贞1,2
摘要: 图像捕捉识别是虚拟现实设备表情捕捉识别方式之一,其核心在于表情识别算法。针对基于LDP(local directional pattern)的表情识别方法特征提取效率不高导致准确率偏低的问题,提出一种融合方向梯度特征的自适应加权 LDP 表情识别方法。 首先,对人脸图像进行 HOG(histogram of oriented gradient)方向梯度特征提取;之后,将其对应的梯度幅值图按照 LDP 分块方式进行子图像划分,得出自适应加权的 LDP 特征向量;最后,将新的特征向量与 HOG 方向梯度特征进行融合,送入 SVM(support vector machine)分类器进行分类识别。 为验证所提出算法的性能,将该算法与 LDP、PCA-LDP、Multicore-CNN 算法分别在 Extend Cohn-Kanade 表情库中进行实验比较。结果表明:所提出的算法有较好的人脸表情识别率和识别效率。
中图分类号: