论文摘要
人脸表情识别是计算机由人脸图像中提取表情特征,然后根据特征的不同将表情图像归到不同的表情类别中。它使得计算机能够根据表情图像分类结果,推断人的心理状态,从而实现人机之问自然交互。尽管目前人脸表情识别技术已经取得了不少进展,但现实生活中光照、姿态、噪声、遮掩物等各种因素影响,要实现真正实际应用仍需进一步研究。本文综述了人脸表情识别的一般步骤,及各个步骤中所利用到的方法,介绍了压缩传感CS （Compressed Sensing）的理论方法以及在此基础上稀疏表示分类算法SRC （Sparse Representation Classification）,将SRC算法用于表情识别,进行了一系列的实验。本论文的主要研究工作包括下面几个方面。1.研究了稀疏表示在人脸表情识别上的应用。将SRC算法应用在日本女性表情JAFFE库上,在特定人识别情况下与2DPCA+SVM的方法进行比较。实验结果表明了SRC算法的有效性。比较2DPCA或Curvelet降维后进行SRC分类与随机映射后进行SRC分类,验证了稀疏表示对特征提取方法的不敏感性。2.研究了稀疏表示在噪声条件下的分类能力。实验在JAFFE表情库上进行,在测试图像上加入方差从0.01至0.1的高斯噪声,运用SRC与2DPCA+SVM和Curvelet+SVM等方法来进行表情识别,并通过上述方法结果的比较,验证了SRC算法的鲁棒性。3.研究了稀疏表示在遮挡条件下的分类能力。在JAFFE表情库中的表情图像中加入了遮挡情况下进行表情识别。一幅与原图像不相关的图像作为遮挡替代了原图像的一部分,遮挡面积从10%至50%,通过SRC,2DPCA+SVM和Curvelet+SVM等方法进行分类,实验结果表明了SRC算法具有很好对遮挡的鲁棒性。4.提出了基于稀疏表示残差融合的人脸表情识别算法。根据SRC算法在灰度与局部二元模式（LBP）两种特征上分类的残差分析,提出了一种融合残差信息的表情识别新方法。为证明这种方法的有效性,将这种方法分别应用于JAFFE表情库和CK表情库,结果表明新方法的识别率在JAFFE中达到了69.52%,远高于单独SRC的62.43%和LBP+SRC的60.52%,识别率提高了8%左右；在CK表情库中的实验表明,新方法比单独的SRC或LBP+SRC提高了5%左右。