基于协作表示的人脸表情识别

针对基于稀疏表示的分类（SRC）算法因采用l1范数最小化求解稀疏表示系数的计算复杂度高，由此提出一种基于协作表示的分类（CRC）算法，并应用于人脸表情识别中。首先，将归一化后的人脸图像分割为若干个互不重叠的子块，采用均匀LBP算子分别提取各个子块的特征向量，并依据每个子块图像的信息熵大小对各个特征向量进行加权后串接组合起来，构成一个联合特征向量，作为描述该图像的特征向量；然后，采用主成分分析（PCA）方法对测试样本和训练样本图像的特征向量进行降维；最后，采用基于协作表示的分类（CRC）算法，将测试样本图像的表情分为7类：生气、厌恶、恐惧、中性、悲伤、高兴和惊讶。在JAFFE数据库上的实验结果表明了本文算法的有效性，CRC算法的识别率与SRC算法几乎相当，但大大降低了计算复杂度，识别时间约为SRC算法的1/60。