基于非負稀疏矩陣分解的人臉表情識別.pdf

1、表情是人類交流的重要的非語言信息，是傳遞人類感情的重要方法。作為情感計算領域和智能化人機交互技術的重要研究課題，人臉表情識別技術近年來得到了廣泛的關注和快速的發(fā)展。通常情況下，人臉表情識別系統(tǒng)分為三個主要研究模塊，分別為人臉檢測與預處理模塊、表情特征提取模塊和表情分類模塊。本文針對以上內容展開了深入研究，主要研究工作如下：
　?。?）概述了人臉表情識別的目的意義以及表情特征提取和表情分類的研究現(xiàn)狀，通過閱讀文獻，總結了2006年至

2、今的國內外人臉表情識別技術的最新發(fā)展。
　?。?）對檢測到的人臉圖像進行了光照補償和幾何校正。光照補償方法主要研究了直方圖均衡化、Gamma校正、同態(tài)濾波、Isotropic濾波和Anisotropic濾波五種方法，并對Gamma校正進行了改進，建立自適應Gamma校正函數(shù)，提高了Gamma校正的自適應性的同時減弱了失真效果。同時采用分塊灰度積分投影算法定位人眼，并通過人眼坐標對圖像進行旋轉校正，有效解決了因頭部旋轉造成的平面偏移

3、問題。
　?。?）詳細介紹了非負矩陣分解、局部非負矩陣分解和稀疏非負矩陣分解的基本理論、目標函數(shù)和迭代算法，通過原理和實驗兩個方面的對比，闡述了NMF算法、LNMF算法和SNMF算法在表情特征提取方面的優(yōu)缺點，并對特征基個數(shù)和稀疏因子等參數(shù)的選取進行了實驗分析和討論。
　?。?）改進了傳統(tǒng)的非負矩陣分解算法，提出了類內分塊局部加權的稀疏矩陣分解算法，即BWNMF、BWLNMF和BWSNMF算法。通過分塊處理將訓練樣本分成若干

4、個子模式，并根據(jù)各子模式對表情識別的不同貢獻加以不同的權值，充分發(fā)揮了局部特征對表情分類的優(yōu)勢，并討論了不同的分塊方式對表情分類的影響。
　?。?）研究了支持向量機 SVM的分類原理。對于表情識別這種多類分類問題，介紹了三種分類方法，分別是“一對多”SVM、“一對一”SVM和二叉樹SVM，并在訓練時間和分類速度上對比了它們的分類效果，最終本文選用了基于二叉樹的支持向量機進行表情識別，并從層次聚類的思想出發(fā)使生成的二叉樹的訓練結構是