考虑学习兴趣与微表情关联性的人脸细微特征识别算法

摘要

为提高人脸细微特征识别的精度，提出一种考虑学习兴趣与微表情关联性的人脸细微特征识别算法。选取图像熵作为人脸图像分割的目标函数，采用粒子群优化算法（PSO）对脉冲耦合神经网络（PCNN）参数展开优化，确定关键参数的最优值，实现人脸图像分割，确定眼睛以及嘴巴等关键区域。在学习兴趣和微表情关联性分析的基础上，采用Harris算法对尺度不变特征变换（SIFT）特征点展开筛选，精确锁定人脸表情图像中的关键兴趣点。基于特征点最大覆盖区域及其邻近范围的策略，捕获各个区域的特征。筛选后的区域被用作局部二值模式（LBP）特征提取的输入，并通过支持向量机（SVM）多分类技术实现人脸细微特征识别。实验结果表明：本文算法对人脸图像分割效果好，且对人脸细微特征识别精度高。

关键词

学习兴趣 / 微表情 / 关联性 / 人脸细微特征 / 识别