基于ASM差分纹理和LDP特征融合的人脸表情识别的中期报告.docx

基于ASM差分纹理和LDP特征融合的人脸表情识别的中期报告
一、项目背景与目的
人脸表情识别是计算机视觉领域的一项重要研究任务之一，是通过计算机对人脸图像中眼睛、嘴巴、鼻子等特征位置的分析，判断出人脸所表现出的情感状态。目前，人脸表情识别技术已广泛应用于社交网络、智能家居、车载系统等领域。本项目旨在通过利用ASM差分纹理和LDP特征融合的方法，提高人脸表情识别的准确率。
二、主要内容与进展
1、ASM差分纹理（ActiveShapeModelDifferentialTexture，ASM-DT）：
ASM-DT是一种基于人脸特征点的图像对齐算法，可以对输入的人脸图像进行像素级别的对齐，以适应输入图像中的人脸表情。在ASM-DT中，首先利用图像中的人脸特征点进行图像对齐，然后通过差分运算获取图像的纹理差异信息，从而得到ASM-DT特征信息。
在本项目中，我们使用Python语言实现了ASM-DT算法，并对算法的效果进行了详细测试，结果表明ASM-DT可以有效地对人脸图像进行像素级别的对齐，提高了表情识别的准确率。
2、LDP特征（LocalDerivativePattern，LDP）：
LDP特征是一种局部二值模式，通过对邻域像素与中心像素的差异进行量化，得到具有较强区分能力的二进制模式，被广泛应用于人脸识别、行为识别和目标跟踪等领域。在本项目中，我们使用Python语言实现了LDP特征提取算法，并将LDP特征与ASM-DT特征进行融合，以提高表情识别的准确率。
3、目前进展：
目前，我们已经完成了ASM-DT和LDP特征的算法实现和融合，利用公开数据集FER2013进行了表情识别实验，并初步获得了一定的识别效果。接下来，我们将继续优化算法，进一步提高表情识别的准确率，同时将算法应用于实际场景中的表情识别任务。