人脸识别技术中人脸表情原始特征提取

2022年05月23日 18:42:50人气：509来源：深圳市深安威尔迪科技有限公司

　　在指纹识别技术中，指纹门禁一体机，指纹门禁考勤一体机等指纹识别产品，在进行指纹识别的时候，其实是每次采集的数据与注册时的数据进行比对。下面我去看一下人脸表情识别技术中表情原始特征的提取。

　　原始特征包括特征(如眼睛、嘴唇等人脸特征)和瞬时特征(如某些表情所导致的鱼尾纹等)，他们可从图像或视频中获取，不过所采用的方法有所不同：如果要从静态图像中获取原始特征，采用的方法主要分三类。

　　1)基于几何特征的方法

　　人脸是由眼睛、眉毛、鼻子、嘴巴、下巴等器官组成的，而人脸表情的产生正是受到这些器官大小、形状、方向、相对位置和尺寸变化的影响。

　　基于几何特征的方法侧重提取脸部表面的基准点/特殊点，并利用他们之间的几何关系来提取几何特征的。它的优点是能够简洁地表示出入脸宏观的结构变化，但是几何特征的获取对基准点提取的准确性要求较高，这在图像质量低和背景复杂的情况下常难以实现。

　　2)基于外貌特征的方法

　　外貌( appearance)特征是指使用人脸图像像素性质的特征，反映了人脸图像底层的信息，特别是反映局部细微变化的信息。的方法是基于灰度图像，但由于灰度像素受到光照和噪声影响较大，因此需要较好的预处理方法。

　　外貌特征提取最主要的技术是利用图像的局部特性。例如，利用一组滤波器对图像进行滤波(或用模板进行卷积)，其结果就可以反映近邻像素之间的关系(梯度变化、相关性、纹理等)。近年来，基于Gabor小波的方法被广泛应用于人脸表情的特征提取，它能够同时检测多尺度、多方向的纹理变化，同时受光照变化影响较小。

　　3)基于混合特征的方法

　　几何特征能够简洁她表示出入脸宏观的结构变化，而外貌特征侧重于提取局部的细微变化，可以将二者结合起来，用混合的特征进行表情识别。这里有许多不同的组合手段，并常用模型的方式来描述人脸的结构。目前广泛应用的一类方法是基于活跃外貌模型(AAM)。AAM方法结合形状和纹理信息建立对人脸的参数化描述，然后再用PCA进行降维。例如，活跃小波网络(AWN)使用Gabor小波网络的表示方法来对纹理的变化进行建模，它对部分阻挡和一些光照的变化有较好的鲁棒性。相对于基于外貌特征的方法，基于模型的方法可以得到更为可靠的人脸特征参数；但同时它也有计算较为复杂，而且初始点获取困难等缺点。

关键词：滤波器

上一篇：条码PDA手持机让仓库盘点更简单

下一篇：超高频手持机终端坚果A100的产品特征

全年征稿/资讯合作 联系邮箱：1271141964@qq.com

免责声明

凡本网注明"来源：智能制造网"的所有作品，版权均属于智能制造网，转载请必须注明智能制造网，https://www.testerchina.com。违反者本网将追究相关法律责任。
企业发布的公司新闻、技术文章、资料下载等内容，如涉及侵权、违规遭投诉的，一律由发布企业自行承担责任，本网有权删除内容并追溯责任。
本网转载并注明自其它来源的作品，目的在于传递更多信息，并不代表本网赞同其观点或证实其内容的真实性，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品来源，并自负版权等法律责任。
如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系，否则视为放弃相关权利。