基于SIFT特征的人臉表情識(shí)別研究.pdf

1、人臉表情識(shí)別是計(jì)算機(jī)視覺(jué)、模式識(shí)別等領(lǐng)域的重要研究方向，在人機(jī)交互、醫(yī)療、動(dòng)畫(huà)制作等產(chǎn)業(yè)都有很廣泛的應(yīng)用。因此開(kāi)發(fā)一個(gè)人臉表情識(shí)別算法具有廣泛的應(yīng)用前景。
　　本文主要使用Dense SIFT(Dense Scale Invariant Feature Transform即密集型尺度不變特征變換)算法提取人臉表情特征，再使用k-means聚類算法對(duì)表情特征進(jìn)行聚類分析，并利用空間金字塔算法對(duì)聚類后生成的特征向量進(jìn)行改進(jìn)，最后利用支

2、持向量機(jī)進(jìn)行分類識(shí)別。本文的主要研究工作包括：
　　(1)對(duì)SIFT算法的特征提取過(guò)程進(jìn)行了詳細(xì)的分析和研究，并研究了一種SIFT算法的簡(jiǎn)化算法，即Dense SIFT算法用于提取人臉表情特征。實(shí)驗(yàn)也顯示Dense SIFT算法適用于人臉表情識(shí)別中。
　　(2)研究了利用詞袋模型生成一個(gè)包含一定數(shù)量單詞的詞典的方法。研究Dense SIFT算法在人臉圖像上進(jìn)行特征提取的像素點(diǎn)間隔分別為2,4,6,8個(gè)像素，生成的單詞數(shù)分別為

3、100,150,200,250,300,350,400,450,500,550,600時(shí)對(duì)實(shí)驗(yàn)結(jié)果的影響。
　　(3)使用k-means聚類方法后得到的特征點(diǎn)，再用詞袋模型生成代表圖像特征的直方圖之后，丟失了在原來(lái)人臉表情圖像中的位置信息。利用空間金字塔算法，來(lái)獲取聚類后得到的單詞所代表的特征向量在原來(lái)圖像中的整體位置信息。研究了使用空間金字塔算法前后對(duì)人臉表情識(shí)別率的影響。
　　(4)結(jié)合 SVM(支持向量機(jī))方法，對(duì)數(shù)據(jù)