人臉表情識(shí)別關(guān)鍵技術(shù)的研究與應(yīng)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(lèi)感情與協(xié)調(diào)人際關(guān)系的重要方式，能夠反映人類(lèi)的情緒變化、心理活動(dòng)和社會(huì)行為。人臉表情識(shí)別以其表情種類(lèi)多、包含信息豐富等特點(diǎn)已成為近年來(lái)的研究熱點(diǎn)，在社會(huì)心理學(xué)、圖像處理、模式識(shí)別以及智能生活等領(lǐng)域都有著重要的研究意義和應(yīng)用價(jià)值。
　　 本文首先總結(jié)了目前人臉表情識(shí)別技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀，然后對(duì)人臉表情識(shí)別系統(tǒng)和圖像預(yù)處理方法進(jìn)行了分析研究。在圖像預(yù)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(duì)人臉表情識(shí)別貢獻(xiàn)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(jié)合各種方法的優(yōu)缺點(diǎn)和課題研究目標(biāo)，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(chǔ)。PCA可以有效地提取表情特征，同時(shí)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(lái)提取對(duì)人臉表情識(shí)別貢獻(xiàn)較大的嘴部區(qū)域的局部紋理特征，結(jié)合PCA與LBP使得提取到的表情特征同時(shí)兼顧全局性和局部性，實(shí)現(xiàn)在PCA基礎(chǔ)上對(duì)人臉表情特征提取方法的改進(jìn)。
　　 考慮到對(duì)于同一個(gè)人不同種類(lèi)表情圖像之間相似程度較大的問(wèn)題，本文提出了表情差值圖像方法，以增強(qiáng)不同種類(lèi)表情圖像之間的差異性，減弱其相似性;同時(shí)，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(lèi)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(duì)較低，可以進(jìn)一步改善人臉表情識(shí)別效果。
　　 此外，本文通過(guò)研究比較幾種常用的分類(lèi)方法，選定了可以有效解決人臉表情識(shí)別這一非線性多分類(lèi)問(wèn)題的支持向量機(jī)(Support Vector Machine，SVM)分類(lèi)方法，該方法可以在小樣本條件下實(shí)現(xiàn)有效分類(lèi)，具有良好的學(xué)習(xí)推廣能力。
　　 最后，利用本文提出的