基于支持向量機(jī)的人臉表情識(shí)別研究.pdf

1、讓計(jì)算機(jī)擁有與人相同的智能是人類(lèi)的一個(gè)夢(mèng)想。除了邏輯思維，情感也是人類(lèi)智能的一個(gè)部分，因而讓計(jì)算機(jī)理解人類(lèi)的情感是實(shí)現(xiàn)夢(mèng)想的第一步。表情是人與人傳遞情感的主要方式，表情識(shí)別便是理解情感的基礎(chǔ)。表情識(shí)別對(duì)多學(xué)科的交叉研究有著積極的促進(jìn)作用，也在人機(jī)交互等領(lǐng)域有著廣泛的應(yīng)用前景。
　　 論文對(duì)基于支持向量機(jī)的表情識(shí)別進(jìn)行了研究，總結(jié)了表情識(shí)別研究的發(fā)展趨勢(shì)，深入分析了主動(dòng)外觀模型等特征提取方法，引入混合蛙跳算法改進(jìn)了支持向量機(jī)的訓(xùn)練

2、算法，并通過(guò)研究支持向量機(jī)的模型、核函數(shù)和多分類(lèi)算法，最終實(shí)現(xiàn)表情識(shí)別。
　　 論文的主要工作和創(chuàng)新點(diǎn)如下：
　　 (1)深入研究了由點(diǎn)分布模型發(fā)展起來(lái)的主動(dòng)形狀模型(ASM)和主動(dòng)外觀模型(AAM)的建模和搜索理論，并應(yīng)用改進(jìn)的AAM搜索算法實(shí)現(xiàn)了表情數(shù)據(jù)庫(kù)中人臉的搜索匹配，提取出表征人臉表情的特征參數(shù)，并應(yīng)用PCA方法實(shí)現(xiàn)原始特征降維，取得用于表情分類(lèi)的特征參數(shù)。
　　 (2)系統(tǒng)研究了統(tǒng)計(jì)學(xué)習(xí)理論及由此提出

3、的支持向量機(jī)分類(lèi)算法，分析了支持向量機(jī)的幾種多分類(lèi)算法，并通過(guò)實(shí)驗(yàn)分析，提出了DDAG算法在表情識(shí)別中的具體實(shí)現(xiàn)方式。
　　 (3)研究了現(xiàn)有的支持向量機(jī)訓(xùn)練算法，提出將混合蛙跳算法引入支持向量機(jī)的訓(xùn)練。并針對(duì)混合蛙跳算的缺陷，提出改進(jìn)，最后將改進(jìn)的混合蛙跳算法應(yīng)用于支持向量機(jī)的訓(xùn)練，取得了良好的效果。
　　 (4)設(shè)計(jì)并實(shí)現(xiàn)了基于支持向量機(jī)的表情識(shí)別系統(tǒng)。首先通過(guò)網(wǎng)格搜索和交叉驗(yàn)證方法優(yōu)化支持向量機(jī)模型和核函數(shù)的參數(shù)，