基于有监督的Laplacianfaces和局部二元模式的人脸表情识别

摘要

由于不能准确反映表情流行的内在结构等缺点,目前基于流行的表情识别方法的识别率不高。针对此问题提出了基于有监督的Laplacianfaces(SLAP)和局部二元模式(LBP)的方法,简称LSLAP。SLAP的优点是保留局部结构的同时把类别信息加入到映射中,因此它得到的子空间中不同类别的样本可以被很好地区别开来;LBP在3种级别的区域上描述人脸具有判别力强、抗光线干扰和计算简便等优点。通过把人脸的LBP特征映射到由SLAP得到的低维空间以达到最终的特征提取,采用最近邻分类器进行分类。在JAFFE和Cohn-Ka-nade人脸表情库上对该算法进行验证,实验结果表明:SLAP能够准确地反映表情流形的内在结构,与Eigenfac-es、Fisherfaces、Laplacianfaces以及它们各自应用于LBP的方法即Eigenfaces+LBP,Fisherfaces+LBP,Laplacian-faces+LBP相比,LSLAP具有更高的识别率。