×
费萨尔·艾哈迈德;马里兰州哈桑纽尔·卡比尔

困难条件下的面部表情识别：边缘方向纹理模式的综合研究。 （英语） Zbl 1475.94017号

国际期刊申请。数学。计算。科学。 28，第2号，399-409（2018）.
摘要：近年来，自动化面部表情识别的研究因其在人机交互、监控系统、动画和消费电子产品中的潜在应用而受到了广泛关注。然而，在存在照明和姿势变化、低分辨率视频、遮挡和随机噪声的非受控环境中进行识别仍然是一个具有挑战性的研究问题。本文利用一种有效的面部特征描述子，即方向三值模式（DTP），研究了在困难条件下人脸表情的识别。给定人脸图像，DTP算子通过量化八向边缘响应值来描述人脸特征，捕获基本纹理属性，如边缘、角点、点、线等。我们还提出了对基本DTP编码方法的增强，即压缩DTP（cDTP）这样可以用较少的特征更有效地描述局部纹理。使用Cohn Kanade（CK）和日本女性面部表情（JAFFE）数据库评估了所提出的DTP和cDTP描述符的识别性能。在我们的实验中，我们使用具有照明变化的原始数据库图像、通过对原始图像进行下采样获得的低分辨率图像以及被高斯噪声污染的图像来模拟困难的条件。在所有情况下，该方法都优于一些著名的人脸特征描述符。

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）

关键词：

定向三值图案;压缩DTP;面部特征描述符;纹理编码;支持向量机

软件：

科恩-卡纳德;贾菲
PDF格式BibTeX公司 XML格式引用
\textit{F.Ahmed}和\textit{Md.H.Kabir}，国际期刊应用。数学。计算。科学。28，第2号，399--409（2018；Zbl 1475.94017）
全文： 内政部

参考文献：

[1] Ahmed，F.（2012）。梯度方向模式：一种用于面部表情识别的稳健特征描述符，IET Electronics Letters 48（19）：1203-1204。
[2] Ahmed，F.和Kabir，M.H.（2012年a）。面部表情识别的方向三元模式（DTP），IEEE消费电子国际会议，德国柏林，第265-266页。
[3] Ahmed，F.和Kabir，M.H.（2012年b）。具有方向三元模式（DTP）的面部特征表示：在性别分类中的应用，IEEE信息重用和集成国际会议论文集，美国内华达州拉斯维加斯，第159-164页。
[4] Ahonen，T.、Hadid，A.和Pietikainen，M.（2006）。局部二进制模式人脸描述：人脸识别应用，IEEE模式分析与机器智能汇刊28（12）：2037-2041·兹比尔1098.68717
[5] Chen，H.、Belhumeur，P.和Jacobs，D.（2000年）。为了寻找照明不变量，《IEEE计算机视觉和模式识别会议论文集》，希尔顿海德岛，南卡罗来纳州，美国，第1卷，第254-261页。
[6] Donato，G.、Bartlett，M.S.、Hagar，J.C.、Ekman，P.和Sejnowski，T.J.（1999）。面部动作分类，IEEE模式分析和机械智能汇刊21（10）：974-989。
[7] Ekman，P.和Friesen，W.（1978年）。面部动作编码系统：面部运动测量技术，咨询心理学家出版社，加利福尼亚州帕洛阿尔托。
[8] Fa，C.C.和Shin，F.Y.（2006年）。使用独立分量分析和支持向量机识别面部动作单元，模式识别39（9）：1795-1798·Zbl 1096.68694号
[9] Gundimada，S.和Asari，V.K.（2009年）。基于局部核特征空间的多传感器图像人脸识别，IEEE图像处理汇刊18（6）：1314-1325·Zbl 1371.94148号
[10] Guo，G.D.和Dyer，C.R.（2003）。通过线性规划同时进行特征选择和分类器训练：面部表情识别的案例研究，IEEE计算机视觉和模式识别会议论文集，美国威斯康星州麦迪逊，第346-352页。
[11] 郭，Z.，Zhang，L.和Zhang D.（2010）。使用LBP方差（LBPV）和全局匹配的旋转不变纹理分类，模式识别43（3）：706-719·兹比尔1187.68457
[12] Hsu，C.W.和Lin，C.J.（2002）。多类支持向量机方法的比较，IEEE神经网络汇刊13（2）：415-425。
[13] Jabid，T.、Kabir，M.H.和Chae，O.（2010年）。基于局部方向模式的鲁棒面部表情识别，ETRI期刊32（5）：784-794。
[14] Jabid，T.、Kabir，M.H.和Chae，O.（2012年）。人脸识别的局部方向模式（LDP），国际创新计算、信息与控制杂志8（4）：2423-2437。
[15] Kabir，H.、Jabid，T.和Chae，O.（2012）。局部方向模式方差（LDPV）：一种用于面部表情识别的稳健特征描述符，《国际阿拉伯信息技术杂志》9（4）：382-391。
[16] Kanade，T.、Cohn，J.和Tian，Y.（2000）。面部表情分析综合数据库，《IEEE自动面部和手势识别国际会议论文集》，法国格勒诺布尔，第46-53页。
[17] Ling，H.、Soatto，S.、Ramanathan，N.和Jacobs，D.（2007年）。《人脸识别随年龄增长的研究》，《IEEE计算机视觉国际会议论文集》，巴西里约热内卢，第1-8页。
[18] Lyons，M.J.、Budynek，J.和Akamatsu，S.（1999）。单个人脸图像的自动分类，IEEE模式分析和机器智能汇刊21（12）：1357-1362。
[19] Ojala，T.、Pietikainen，M.和Maenpaa，T.（2002）。具有局部二进制模式的多分辨率灰度和旋转不变纹理分类，IEEE模式分析和机器智能学报24（7）：971-987·Zbl 0977.68853号
[20] Padgett，C.和Cottrell，G.（1997年）。代表面部图像进行情绪分类，M.Mozer等人（编辑），《神经信息处理系统进展》，第9卷，麻省理工学院出版社，马萨诸塞州剑桥，第894-900页。
[21] Rivera，A.R.、Castillo，J.R.和Chae，O.（2013）。面部分析的局部方向数字模式：面部和表情识别，IEEE图像处理学报22（5）：1740-1752·兹比尔1373.94341
[22] Shan，C.、Gong，S.和McOwan，P.W.（2009年）。基于局部二进制模式的面部表情识别：综合研究，图像与视觉计算27（6）：803-816。
[23] Sniezynski，B.（2015）。基于分类的自主代理策略学习模型，国际应用数学与计算机科学杂志25（3）：471-482，DOI:10.1515/amcs-2015-0035·Zbl 1322.68203号
[24] Tan，X.和Triggs，B.（2007年）。用于困难照明条件下人脸识别的增强局部纹理特征集，《IEEE人脸和手势分析与建模国际研讨会论文集》，巴西里约热内卢，第168-182页·Zbl 1371.68311号
[25] Tenne，Y.（2017）。昂贵黑盒函数优化中的机器学习，国际应用数学与计算机科学杂志27（1）：105-118，DOI:10.1515/amcs-2017-0008·Zbl 1367.90070号
[26] Uddin，M.Z.、Lee，J.J.和Kim，T.S.（2009年）。视频中增强的基于独立组件的人类表情识别，IEEE消费电子交易55（4）：2216-2224。
[27] Umbaugh，S.E.（2011年）。《数字图像处理与分析》，CRC出版社，佛罗里达州博卡拉顿，Valstar，M.，Patras，I.和Pantic，M..（2005年）。使用概率主动学习支持向量机对跟踪的面部点数据进行面部动作单元检测，IEEE CVPR研讨会论文集，美国加利福尼亚州圣地亚哥，第3卷，第76-84页。
[28] Viola，P.和Jones，M.（2004年）。鲁棒实时人脸检测，国际计算机视觉杂志57（2）：137-154。
[29] Yang，J.、Zhang，D.、Frangi，A.和Yang，J（2004）。二维PCA：基于外观的人脸表示和识别的新方法，IEEE模式分析和机器智能汇刊26（1）：131-137。
[30] Yao，B.、Hu，P.、Zhang，M.和Jin，M.（2014）。采用禁忌搜索算法的支持向量机用于高速公路事件检测，国际应用数学与计算机科学杂志24（2）：397-404，DOI:10.2478/amcs-2014-0030·Zbl 1293.93529号
[31] Zhang，Z.（1999）。基于特征的面部表情识别：多层感知器的敏感性分析和实验，国际模式识别和人工智能杂志13（6）：893-911。
[32] Zhao，G.和Pietikainen，M.（2009）。面部表情识别的增强多分辨率时空描述符，模式识别字母30（12）：1117-1127。
[33] Zhao，S.、Gao，Y.和Zhang，B.（2008）。Sobel-LBP，《IEEE图像处理国际会议论文集》，美国加利福尼亚州圣地亚哥，第2144-2147页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。