基于LBP紋理稀疏表示的人臉面部表情識(shí)別

宋俊芳 西藏民族大學(xué)信息工程學(xué)院

面部表情識(shí)別可以為人機(jī)智能交互的可靠性和準(zhǔn)確性提供可靠的保證。人臉表情信息豐富，常見(jiàn)的基本表情有生氣(anger)，厭惡 (disgust)，恐懼 (fear)，開(kāi)心 (happiness)，中性 (neutral)，悲傷(sadness)，驚訝(surprise)。在現(xiàn)實(shí)生活中，準(zhǔn)確把握人臉面部表情，對(duì)于遠(yuǎn)程教學(xué)系統(tǒng)，駕駛員安全駕駛等情況，有著相當(dāng)重要的意義。

1 基于小波變換的 LBP紋理計(jì)算

輸入的靜態(tài)面部圖片通常是不統(tǒng)一的非規(guī)則圖片，需要先進(jìn)行圖像預(yù)處理，這里采用小波變換處理方法。先將人臉表情圖像分解成相互關(guān)連的四幅表情圖像，即低頻圖像，水平高頻圖像，垂直高頻圖像和對(duì)角斜線高頻圖像；然后對(duì)這四幅圖像進(jìn)行重構(gòu)，在重構(gòu)每個(gè)分解圖像時(shí)，將其他三種分解圖像置為零，最后就可以得到與原圖像大小一致的表情圖像，該圖像不僅對(duì)原始圖像信息做了很好的保留，還將人臉的眼睛，鼻子，嘴巴等部位的特點(diǎn)更加精確細(xì)膩地表達(dá)了出來(lái)。之后對(duì)人臉表情重構(gòu)圖像采用LBP算法進(jìn)行紋理特征提取，用于表情分類(lèi)。

2 稀疏表示分類(lèi)

稀疏表示方法是目前較為流行的二分類(lèi)機(jī)器學(xué)習(xí)算法 ，具體原理如下：

上等式通常是超定的，我們可以通過(guò)L0范數(shù)來(lái)求解其稀疏解

考慮到噪聲的影響，稀疏表示模型可以被改寫(xiě)為

給定一個(gè)某表情類(lèi)別中的測(cè)試樣本y，通過(guò)上面的(3)或者(5)兩個(gè)公式，首先求得測(cè)試樣本的稀疏解，其中非零的元素將對(duì)應(yīng)于矩陣A中的某一列，也就是某一類(lèi)，然后該測(cè)試樣本就可以歸結(jié)為此類(lèi)。

但是，由于噪聲和模型誤差的影響，很可能使得一小部分非零的元素與多個(gè)類(lèi)別有關(guān)，在這樣的情形下，我們選擇在所有的訓(xùn)練樣本來(lái)表示測(cè)試樣本y的系數(shù)里面相關(guān)性最好的。為此對(duì)于每個(gè)類(lèi)別i，建立一種特征映射關(guān)系，讓?zhuān)x擇與第i類(lèi)相關(guān)的系數(shù)。假如對(duì)于是一個(gè)新的向量，這樣就使得中的非零元素與第i個(gè)類(lèi)別相一致。

3 實(shí)驗(yàn)結(jié)果與分析

先針對(duì)原始JAFFE表情庫(kù)和AR表情庫(kù)進(jìn)行測(cè)試。JAFFE表情庫(kù)庫(kù)中包含了213幅（每幅圖像的分辨率：256像素×256像素）日本女性的人臉表情圖像。AR人臉數(shù)據(jù)庫(kù)是由126名志愿者（70名男性和56名女性）的超過(guò)4000張的彩色人臉圖像構(gòu)成，每幅圖像的分辨率為256像素×256像素。圖1為表情庫(kù)中的部分原始表情圖片，從左到右表情依次為高興，中性，悲傷，驚訝，恐懼，厭惡，生氣。

圖1 原始圖像

下表1為JAFFE表情庫(kù)和AR表情庫(kù)上中進(jìn)行表情識(shí)別準(zhǔn)確率的統(tǒng)計(jì)結(jié)果。

表1 JAFFE表情庫(kù)和AR表情庫(kù)上識(shí)別準(zhǔn)確率對(duì)比

從結(jié)果中看出，本文的修正LBP算法加稀疏表示識(shí)別人臉表情效果較好，尤其對(duì)于尖叫驚訝表情，其面部特征明顯區(qū)別于其他三種表情，所以取得了最好的識(shí)別效果。

為進(jìn)一步驗(yàn)證本文方法的魯棒性，對(duì)不同程度高斯噪聲污染之后的表情圖像進(jìn)行了測(cè)試，圖2是高興表情添加不同方差的高斯噪聲后的圖片，從左到右添加方差大小依次為0.001，0.005，0.01，0.05，0.1，0.5。

圖2 添加高斯噪聲后的高興表情圖像

從圖中看出，噪聲較大時(shí)，面部表情已變得極為模糊，這給識(shí)別帶來(lái)一定的難度，但用本文方法仍達(dá)到了較高的準(zhǔn)確率，表3是對(duì)兩個(gè)表情庫(kù)中所有高興表情分別添加不同的方差噪聲之后識(shí)別的統(tǒng)計(jì)結(jié)果。

表3 添加高斯噪聲后表情識(shí)別結(jié)果對(duì)比

由上表數(shù)據(jù)分析可知，本文識(shí)別算法在0.1方差噪聲干擾下，高于50%的識(shí)別準(zhǔn)確率，表現(xiàn)出了較好的魯棒性。

[1]Darwin C.The Expression of the Emotions in Man and Animals[M]. John Murray: reprinted by University Chicago Press , 1872.

[2]蔣斌,賈克斌,楊國(guó)勝.人臉表情識(shí)別的研究進(jìn)展[J].計(jì)算機(jī)科學(xué),2011,38(4), 25-31.

[3]左坤隆.人臉表情自動(dòng)分析與識(shí)別系統(tǒng)的研究[D]. 天津大學(xué)2004.

[4]房德峰.淺談改進(jìn)的LBP算法[J].現(xiàn)代企業(yè)教育.2013(16).

[5]趙曉.基于稀疏表示的人臉識(shí)別方法研究[D].北京工業(yè)大學(xué)，2013.

[6]李志星.基于圖像特征的稀疏表示人臉識(shí)別算法研究[D]. 燕山大學(xué),2012.