基于改进的局部方向模式人脸表情识别算法.docx

基于改进的局部方向模式人脸表情识别算法
标题：基于改进的局部方向模式人脸表情识别算法
摘要：
人脸表情识别一直是计算机视觉领域的一个重要研究方向。本文提出了一种基于改进的局部方向模式（LocalDirectionalPattern，LDP）的人脸表情识别算法。首先，对于每个人脸图像，提取其局部特征，然后通过改进的局部方向模式描述这些特征。接着，利用支持向量机（SupportVectorMachine，SVM）进行表情分类。在FER2013数据集上进行了实验验证，结果表明，我们的算法在人脸表情识别任务上取得了较高的准确率。
关键词：人脸表情识别、局部方向模式、支持向量机、FER2013数据集
1.Introduction
人脸表情识别一直是计算机视觉领域中一个具有挑战性的问题，它对于人机交互、情感分析等应用具有重要意义。近年来，随着深度学习技术的发展，基于卷积神经网络的人脸表情识别取得了很大进展。然而，这种方法需要大量的标注数据和计算资源，且对于小样本的表情分类任务表现不佳。为了解决这一问题，本文提出了一种基于改进的局部方向模式的人脸表情识别算法。
2.RelatedWork
近年来，对于人脸表情识别的研究主要集中在两个方面：特征提取和分类器设计。在特征提取方面，局部二值模式（LocalBinaryPattern，LBP）和局部方向模式被广泛应用。在分类器设计方面，支持向量机是一种常用的分类器。
3.ImprovedLocalDirectionalPattern
本文提出了一种改进的局部方向模式（LDP）来描述人脸图像的局部特征。传统的局部方向模式只考虑了邻域像素点的灰度差异，而忽略了像素点的方向信息。我们通过引入方向梯度直方图（DirectionalGradientHistogram，DGH）来增强局部方向模式的鲁棒性。具体而言，我们首先计算每个像素点的梯度和方向，然后根据邻域像素点的方向信息计算局部方向模式。改进的LDP方法通过综合考虑邻域像素点的灰度和方向信息，能够更好地描述人脸图像的纹理特征。
4.ExperimentalResults
我们在FER2013数据集上进行了实验验证。该数据集包含了7种不同的表情类别，每个类别都包含了大量的样本。对于每个图像样本，我们提取其改进的局部方向模式特征，并利用支持向量机进行分类。实验结果表明，我们的算法在FER2013数据集上取得了较高的准确率。
5.Conclusion
本文提出了一种基于改进的局部方向模式的人脸表情识别算法。通过引入方向梯度直方图来增强局部方向模式的鲁棒性，我们能够更好地描述人脸图像的纹理特征。实验结果表明，我们的算法在FER2013数据集上取得了较高的准确率。未来的研究可以进一步优化我们的算法，针对小样本的表情分类任务进行改进。
参考文献：
[1]Shan,C.,Gong,S.,&McOwan,P.W.(2009).Facialexpressionrecognitionbasedonlocalbinarypatterns:Acomprehensivestudy.ImageandVisionComputing,27(6),803-816.
[2]Ojala,T.,Pietikainen,M.,&Harwood,D.(1996).Acomparativestudyoftexturemeasureswithclassificationbasedonfeatureddistributions.PatternRecognition,29(1),51-59.
[3]Zhao,G.,Huang,X.,&Taini,M.(2011).Facialexpressionrecognitionfromnear-infraredvideos.ImageandVisionComputing,29(9),607-619.