基于SVM的人臉表情識(shí)別研究.pdf

1、近年來(lái)新型人機(jī)交互系統(tǒng)研究中，人臉表情識(shí)別研究越來(lái)越受到重視，它在教育、機(jī)器人、醫(yī)療等行業(yè)有廣泛的應(yīng)用前景，對(duì)模式識(shí)別、計(jì)算機(jī)視覺(jué)、人工智能等學(xué)科發(fā)展具有重要的推動(dòng)作用，特別對(duì)于增強(qiáng)計(jì)算機(jī)的智能化、人性化以及開(kāi)發(fā)新型人機(jī)交互系統(tǒng)有著重要的現(xiàn)實(shí)意義，而且更具有重大的經(jīng)濟(jì)利益和社會(huì)效益。
　　 本論文以人臉表情識(shí)別算法為研究對(duì)象，對(duì)人臉表情特征提取及特征降維、人臉表情分類等問(wèn)題進(jìn)行了深入的研究，結(jié)合Gabor小波變換在圖像特征提取方

2、面的優(yōu)勢(shì)和支持向量機(jī)在小樣本問(wèn)題上的優(yōu)良特性及良好的分類能力，本文提出了二維Gabor小波與PCA+FLD相融合的表情特征提取算法、基于(RBF)徑向基核函數(shù)的One-against-one投票策略多分類SVM人臉表情分類算法。
　　 本文主要工作如下：
　　 (1)基于灰度積分投影的人臉表情區(qū)域定位方法。本文首先進(jìn)行圖像灰度預(yù)處理，然后在二值化基礎(chǔ)上進(jìn)行積分投影確定表情區(qū)域，進(jìn)而進(jìn)行幾何預(yù)處理最后歸一化切割為標(biāo)準(zhǔn)大小的

3、表情圖像。
　　 (2)本文采用多頻率多方向的二維Gabor小波變換，然后融合PCA+FLD方法進(jìn)行特征降維，將圖像高維特征映射到低維特征子空間中。
　　 (3)在降維后的特征子空間中使用RBF(Radio Basis Function)徑向基函數(shù)作為核函數(shù)構(gòu)造SVM分類器進(jìn)行人臉表情樣本的訓(xùn)練和識(shí)別分類。
　　 本文進(jìn)行了與人相關(guān)和與人無(wú)關(guān)的兩類三組實(shí)驗(yàn)。與人無(wú)關(guān)的實(shí)驗(yàn)是：融合二維Gabor小波變換和PCA+F