基于局部三值模式與極限學(xué)習(xí)機(jī)的微表情識(shí)別.pdf

1、近年來，微表情的研究取得了快速的發(fā)展，微表情識(shí)別是人機(jī)交互領(lǐng)域的新興課題。微表情是一種非?？焖俚脑噲D隱藏真實(shí)感情的表情，持續(xù)時(shí)間大約只有1/25秒至1/5秒，表達(dá)了六種基本表情。分析微表情，目的是發(fā)現(xiàn)人試圖隱藏的真實(shí)情感，能夠廣泛應(yīng)用于臨床、司法、安全等領(lǐng)域，因此對微表情的研究具有非常重要的實(shí)際意義。
　　使用計(jì)算機(jī)對微表情進(jìn)行分類識(shí)別包含很多步驟，其中特征提取和微表情分類是微表情識(shí)別的關(guān)鍵技術(shù)。在表情識(shí)別領(lǐng)域，局部二值模式(LB

2、P)和局部三值模式(LTP)作為局部紋理描述算子用于特征提取得到了廣泛應(yīng)用，同樣該方法可以拓展到微表情識(shí)別領(lǐng)域；極限學(xué)習(xí)機(jī)(ELM)作為一種基于單隱層前饋神經(jīng)網(wǎng)絡(luò)的新算法用于對表情特征信息進(jìn)行分類，具有快速、易操作的優(yōu)點(diǎn)。針對傳統(tǒng)方法識(shí)別率低和識(shí)別速度慢的缺點(diǎn)，本文首先提出了一種基于平均灰度的局部三值模式(MG-LTP)新算法，結(jié)合圖像的局部紋理信息和全局紋理信息，用于提取表情特征；其次，使用主成份分析法(PCA)對得到的高維數(shù)據(jù)進(jìn)行降