结合Gabor特征及Adaboost的人脸表情识别.pdf

维普资讯 光 电 子 ·激 光 第 17卷 第 8期 2006年 8月 JournalofOptoelectronics·Laser Vo1．17No．8 Aug．2006 结合Gabor特征与Adaboost的人脸表情识别* 朱健翔一 ，苏光大，李迎春 (清华大学电子工程系图像 图形研究所 ，北京 100084) 摘要 ：通过提取人脸 图像 的 Gabor特征 ，结合 Adaboost，进行人脸表情识别 (FER)。针对 Gabor特征维 数高、冗余大的特点，引入 Adaboost算法进行特征选择降低特征 向量 的维数 。然后再 以支持 向量机 (SVM)和最近邻分类法相结合组成分类器进行分类 。该方法综合运用 了Gabor特征对于人脸表情 的 良好表征能力 、Adaboost算法的强大特征选择能力 以及 SVM在处理少样本 、高维数 问题中的优势。在 JAFFE库上进行测试 的结果验证 了该法 的有效性。从 Adaboost所选择的特征集可知 ，在眼和嘴区域提 取 的特征 ，对于 FER是最为重要 的。 关键词 ：人脸表情识别 (FER)；Gabor滤波器 ；Adaboost；特征选择 ；支持 向量机 (SVM) 中图分类号 ：TP391．44 文献标识码 ：A 文章编号 2006)08—0993—06 FacialExpressionRecognition BasedonGaborFeatureandAdaboost ZHU Jian—xiang ，SU Guang—da，LIYing—chun (InstituteofImageandGraphics，DepartmentofElectronicEngineering，TsinghuaUniversity，Beijing 10OO84，China) Abstract：Anapproachisproposed to recognizethe facialexpressionusing Gaborfeature andAdaboost．Sincethehigh—dimensionalGaborfeaturevectorsarequiteredundant，Ada— boostiSintroducedasamethodoffeaturesselection．Furthermore，combinedwiththenea— restdistance classifier。the supportvectormachine(SVM) iSusedforclassification．This approachtakestheadvantagesofthefavorableabilityofGaborfeature inrepresentingex— pressionvariability，the effective functionofAdaboostin feature selection，and the high performanceofSVM inthesolutiontosmallsamplesize，highdimensionproblems．Experi— mentswithJAFFE show thattheapproach iSquiteeffective．Meanwh_le。thefeaturesetse— lectedbyAdaboostalso indicatesthatthefeaturesextractedfrOm eyeandmouthregions playthemostimportantrole inexpressionrecognition． Keywords：facialexpressionrecognition(FER)；Gaborfilter；Adaboost；featureselection；supportvector machine(SV