基于灰度差序列动态信息的HMM人脸表情识别

摘要

本文提出了一种基于灰度差序列信息识別表情的方法,在处理过程中,首先将每组表情序列中自第二帧起的每一帧图像与第一帧图像作灰度差,得到新的序列,然后针对灰度差序列提取表情运动特征,最后通过连续隐马尔柯夫模型(HMM)进行表情识别。该方法在保留了主要表情信息的同时,消除了光照、肤色等其他因素的影响,接近应用实际,简单直观,运算量少,便于实现实时处理。分别在CED-WYU(1.0)库和Cohn-Kanade database做了非特定人表情识别仿真实验,并与由原始灰度图提取统计特征进行识别结果对比,新方法明显地改善了识别效果。