结合LBP圆形算子的CNN面部表情识别研究  

Research on CNN Facial Expression Recognition Combined with LBP Circular Operator

作　　者：郭玲玲[1] 苏冬娜[1] 胡绍彬[2] GUO Lingling;SU Dongna;HU Shaobin(School of Computer and Information Technology,Northeast Petroleum University,Daqing 163318,China;School of Petroleum Engineering,Northeast Petroleum University,Daqing 163318,China)

机构地区：[1]东北石油大学计算机与信息技术学院,大庆163318 [2]东北石油大学石油工程学院,黑龙江大庆163318

出　　处：《微型电脑应用》2023年第2期1-4,共4页Microcomputer Applications

基　　金：国家自然科学基金项目(51774090);黑龙江省高等教育教学改革研究项目(SJGY20210133);黑龙江省省属本科高校基本科研业务费—东北石油大学性创新基金项目(2019YDL-05);黑龙江省教育科学“十三五”规划2018年度重点课题(GBB1318021)。

摘　　要：利用机器学习中卷积神经网络(CNN)擅长处理图像的优势,结合改进的局部二值模式(LBP)圆形算子,实现了人脸面部表情的识别。提取的人脸表情特征纹理信息得到增强,抑制了图像中光照、背景等干扰因素,并达到了灰度和旋转不变性的要求。在FER2013数据库上的实验结果表明,相比于原始图像的输入,结合LBP圆形算子的CNN结构能够有效提高面部表情识别的准确率。The convolution neural network(CNN) is good at processing image advantages. This paper combines it with the improved local binary pattern(LBP) circular operator to realize facial expression recognition. By the LBP circular operators, the extracted facial expression feature texture information is enhanced, and the interference factors such as illumination and background in the image are suppressed, and the requirements of gray scale and rotation invariance are achieved. The experimental results on the FER2013 database show that the CNN structure combined with the LBP circular operator can effectively improve the accuracy of facial expression recognition compared to the input of the original image.

关 键 词：机器学习 卷积神经网络 局部二值模式 面部表情 

分 类 号：G434[文化科学—教育学] TP311.13[文化科学—教育技术学]