人臉表情識別關鍵技術的研究與應用.pdf

1、人臉表情是由人臉面部肌肉部分發(fā)生形狀變化所產(chǎn)生的，是傳播人類感情與協(xié)調(diào)人際關系的重要方式，能夠反映人類的情緒變化、心理活動和社會行為。人臉表情識別以其表情種類多、包含信息豐富等特點已成為近年來的研究熱點，在社會心理學、圖像處理、模式識別以及智能生活等領域都有著重要的研究意義和應用價值。
　　 本文首先總結了目前人臉表情識別技術的國內(nèi)外研究現(xiàn)狀，然后對人臉表情識別系統(tǒng)和圖像預處理方法進行了分析研究。在圖像預處理階段提出了基于“八眼

2、”的人臉有效區(qū)域分割方法，去除一些對人臉表情識別貢獻不大的冗余區(qū)域。
　　 然后，研究并比較了幾種常用的特征提取方法，結合各種方法的優(yōu)缺點和課題研究目標，選定主成分分析（Principal Component Analysis，PCA）人臉表情特征提取方法為研究基礎。PCA可以有效地提取表情特征，同時能夠降低特征維數(shù)，但PCA提取的是表情圖像的全局特征，忽略了其局部特征信息，易受外界環(huán)境的影響，因此本文引入了局部二值模式（Loc

3、al Binary Pattern，LBP）方法來提取對人臉表情識別貢獻較大的嘴部區(qū)域的局部紋理特征，結合PCA與LBP使得提取到的表情特征同時兼顧全局性和局部性，實現(xiàn)在PCA基礎上對人臉表情特征提取方法的改進。
　　 考慮到對于同一個人不同種類表情圖像之間相似程度較大的問題，本文提出了表情差值圖像方法，以增強不同種類表情圖像之間的差異性，減弱其相似性;同時，在人臉表情特征提取階段，引入了局部特征分析(Local Feature

4、 Analysis，LFA)方法，該方法不僅具有類似于PCA與LBP提取全局和局部特征的功能，而且提取出的特征維數(shù)相對較低，可以進一步改善人臉表情識別效果。
　　 此外，本文通過研究比較幾種常用的分類方法，選定了可以有效解決人臉表情識別這一非線性多分類問題的支持向量機(Support Vector Machine，SVM)分類方法，該方法可以在小樣本條件下實現(xiàn)有效分類，具有良好的學習推廣能力。
　　 最后，利用本文提出的