第3卷第1期 智能系统学报 Vol.3№1 2008年2月 CAAI Transactions on Intelligent Systems Fcb.2008 基于C均值K近邻算法的面部表情识别 张一鸣，欧宗瑛，王虹 (大连理工大学机械工程学院，辽宁大连116023) 摘要：随着人工智能与模式识别技术的不断发展，面部表情识别在智能人机交互中发挥着越来越重要的作用.通 过对人的面部表情分类的研究，提出了一种使用C均值聚类、K近邻算法的面部表情分类方法.对参加训练的表情 图像先进行Gabor小波变换，然后使用Fisherface判别分析方法进行变换，求得特征空间.再将已进行Gabor变换的 标准表情图像投影到特征空间，进行C均值聚类得到子类表情模板.对于一幅待识别的表情图像，使用K近邻算法 与子类表情模板比较，将该表情图像分类.使用该方法，在公开的日本女人表情人脸库上实测达到了95.8%的识 别率. 关键词：面部表情识别；C均值聚类，K近邻；Gabor小波；Fisherface判别分析 中图分类号：TP391.41文献标识码：A文章编号：16734785(2008)01-005下05 Facial expression recognition based on G means and Knearest neighbor algorithms ZHANG Yi-ming,OU Zong-ying,WANG Hong (School of Mechanical Engineering,Dalian University of Technology,Dalian 116023,China) Abstract:With the rapid development of artificial intelligence and pattern recognition,facial expression rec- ognition plays an important role in intelligent humanmachine interaction.In this paper,a facial expression classification method is presented which uses a Gmeans and K-nearest neighbor algorithm as the basis of a- nalysis for the classification of facial expressions.First the images to be analyzed are transformed with Ga- bor wavelets,and then Fisherface discriminate analysis is performed to generate a feature space.Next,the images which were transformed with Gabor wavelets are projected into the feature space and Gmeans clus- tering performed on the projected images to generate subrexpression templates.Finally,the type of ex- pression is identified by comparing the input expression images with the sub-expression templates by using a K-nearest neighbor algorithm.Experiments on the public Japanese female facial expression database show that the method proposed in this paper can achieve a 95.8%recognition rate. Keywords facial expression recognition:Gmeans clustering;K-nearest neighbor:Gabor wavelet;fisher- face discriminant analysis 人的面部表情（高兴、厌恶、愤怒、惊讶等）是表 学者对表情识别的方法进行了研究.1978年Ekman 达人的情绪的主要方法，是人的内心世界的外在表 和Friesen开发了面部运动编码系统(facial action 现形式.表情属于肢体语言，它和自然语言一起传达 coding system),用以描述面部表情和人类的认知 信息，因此面部表情的识别作为生物特征识别中的 行为，被认为是表情识别与分析的里程碑.后来又出 一种，是人机交互中不可缺少的一部分」 现了光流(optic flow)法)、基于主成分分析法 鉴于表情识别的重要性与复杂性，国内外很多 (principal component analysis)5,、局部加权的 二维主成分分析算法(partially weighted two-di- 收稿日期：2007-02-10. 基金项目：大连理工大学与中科院沈阳自动化研究所联合探索基金 mensional,PCA)ll、线性判别分析(linear discrimi-- 资助项目(DU下SLA2006). nant analysis)lo、Gabor小波的方法r]、独立成份 通讯作者：欧宗瑛.上mail:ouzyg@dlut.edu.cn 分析7，别、局部特征分析o1、神经网络23]等多种方 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.htp://www.cnki.net第 3 卷第 1 期 智 能 系 统 学 报 Vol. 3 №. 1 2008 年 2 月 CAA I Transactions on Intelligent Systems Feb. 2008 基于 C 均值 K 近邻算法的面部表情识别 张一鸣 ,欧宗瑛 ,王 虹 (大连理工大学 机械工程学院 ,辽宁 大连 116023) 摘 要 :随着人工智能与模式识别技术的不断发展 ,面部表情识别在智能人机交互中发挥着越来越重要的作用. 通 过对人的面部表情分类的研究 ,提出了一种使用 C 均值聚类、K近邻算法的面部表情分类方法. 对参加训练的表情 图像先进行 Gabor 小波变换 ,然后使用 Fisherface 判别分析方法进行变换 ,求得特征空间. 再将已进行 Gabor 变换的 标准表情图像投影到特征空间 ,进行 C 均值聚类得到子类表情模板. 对于一幅待识别的表情图像 ,使用 K近邻算法 与子类表情模板比较 ,将该表情图像分类. 使用该方法 ,在公开的日本女人表情人脸库上实测达到了 9518 %的识 别率. 关键词 :面部表情识别 ;C 均值聚类 ; K近邻 ; Gabor 小波 ; Fisherface 判别分析 中图分类号 : TP391141 文献标识码 :A 文章编号 :167324785 (2008) 0120057205 Facial expression recognition based on C2means and K2nearest neighbor algorithms ZHAN G Yi2ming , OU Zong2ying , WAN G Hong (School of Mechanical Engineering , Dalian University of Technology ,Dalian 116023 ,China) Abstract :Wit h t he rapid development of artificial intelligence and pattern recognition , facial expression rec2 ognition plays an important role in intelligent human2machine interaction. In this paper , a facial expression classification method is p resented which uses a C2means and K2nearest neighbor algorit hm as t he basis of a2 nalysis for the classification of facial expressions. First t he images to be analyzed are transformed with Ga2 bor wavelets , and t hen Fisherface discriminate analysis is performed to generate a feature space. Next , t he images which were transformed wit h Gabor wavelets are projected into t he feat ure space and C2means clus2 tering performed on t he p rojected images to generate sub2expression templates. Finally , t he type of ex2 pression is identified by comparing t he inp ut expression images with t he sub2expression templates by using a K2nearest neighbor algorit hm. Experiments on the p ublic J apanese female facial expression database show that t he method proposed in t his paper can achieve a 95. 8 % recognition rate. Keywords :facial expression recognition ; C2means clustering ; K2nearest neighbor ; Gabor wavelet ; fisher2 face discriminant analysis 收稿日期 :2007202210. 基金项目 :大连理工大学与中科院沈阳自动化研究所联合探索基金 资助项目(DU T2SIA 2006) . 通讯作者 :欧宗瑛. E2mail :ouzyg @dlut . edu. cn. 人的面部表情(高兴、厌恶、愤怒、惊讶等) 是表 达人的情绪的主要方法 ,是人的内心世界的外在表 现形式. 表情属于肢体语言 ,它和自然语言一起传达 信息 ,因此面部表情的识别作为生物特征识别中的 一种 ,是人机交互中不可缺少的一部分. 鉴于表情识别的重要性与复杂性 ,国内外很多 学者对表情识别的方法进行了研究. 1978 年 Ekman 和 Friesen [1 ]开发了面部运动编码系统(facial action coding system) ,用以描述面部表情和人类的认知 行为 ,被认为是表情识别与分析的里程碑. 后来又出 现了光流 (optic flow) 法[223 ] 、基于主成分分析法 (principal component analysis) [425 ,11 ] 、局部加权的 二维主成分分析算法 (partially weighted two2di2 mensional ,PCA) [6 ] 、线性判别分析 (linear discrimi2 nant analysis) [ 6 ] 、Gabor 小波的方法[729 ] 、独立成份 分析[7 ,9 ] 、局部特征分析[10 ] 、神经网络[12213 ]等多种方 © 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net