發(fā)布時間：2020-09-08 14:56

　　 針對韋伯局部特征(WLD)僅計算中心像素與周圍像素差異提取特征的不足,提出了一種韋伯梯度編碼(WGC)特征描述的人臉表情識別算法。首先計算當前像素點周圍水平、垂直和對角位置上的數(shù)值差與當前像素點的差異構成WGC特征的差動激勵;然后進一步提出基于水平和對角線優(yōu)先原則的WGC_HD特征;最后利用最佳分塊方式得到行分塊WGC_HD特征,采用自動優(yōu)化參數(shù)的SVM分類器完成人臉表情識別。在公共人臉表情庫JAFFE和CK庫上進行交叉實驗,平均識別率及平均特征提取時間分別為95.49%、12.30 ms和97.63%、31.54 ms。行分塊WGC_HD特征考慮了不同梯度方向的像素差異,較好描述了表情圖像的局部結構信息且具有較低的時間復雜度,與目前典型的表情識別算法結果對比也驗證了算法具有較高的識別精度。

【相似文獻】

相關期刊論文 前10條

1 孫蔚;王波;;人臉表情識別綜述[J];電腦知識與技術;2012年01期

2 楊梅娟;;人臉表情識別綜述[J];甘肅科技;2006年04期

3 劉曉e

本文編號：2814311