基于区域NBPR特征及可信度修正的人脸表情识别

来源：计算机科学与探索杂志2017年第3期北京时间：

作者：刘娟，胡敏，黄忠

单位：1. 安庆师范大学 物理与电气工程学院，安徽 安庆 246052 2. 合肥工业大学 计算机与信息学院 情感计算与先进智能机器安徽省重点实验室，合肥 230009

摘要：为了提取有利于表情分类的区域特征以及实现多区域特征的决策级融合，提出了一种基于邻近二值模式关系（neighbor binary pattern relation，NBPR）特征描述子和可信度修正证据融合（credibility modification evidence fusion，CMEF）的表情识别框架。首先针对传统局部二值模式（local binary pattern，LBP）算子仅以中心像素为编码阈值的局限，提出一种NBPR描述子，它对局部区域多方向相邻像素之间的二值模式异或关系进行编码；然后根据提取的眉毛、眼睛和嘴巴区域的NBPR纹理特征进行证据的初始基本概率分配；最后针对D-S（Dempster-Shafer）证据理论在合成冲突证据时的不足，通过一种新的基于证据可信度的合成方法实现3个区域证据的决策融合。该方法在CK（Cohn-Kanade）库上分别取得了94.67%的平均表情识别率以及752 ms的平均识别时间。实验结果表明，提出的NBPR描述子和CMEF策略有利于表情区域的纹理描述和决策级融合，从而具有较高的表情识别率。

关键词：邻近二值模式关系,多区域特征融合,D-S证据理论,可信度修正