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。

关键词: 虚拟现实, 表情识别, ＬＤＰ, 自适应

中图分类号: 

• ＴＰ３９１