基于改進(jìn)Gabor小波特征提取的人臉表情識(shí)別研究.pdf

1、發(fā)展人臉表情識(shí)別技術(shù)的可以促使計(jì)算機(jī)根據(jù)環(huán)境的變化自主適應(yīng),讓機(jī)器像人類一樣具有理解和表達(dá)情感的能力,本文的研究正是為此目標(biāo)而做。首先論文綜述了人臉表情識(shí)別的發(fā)展?fàn)顩r,分析了目前主流的人臉表情識(shí)別方法:PCA方法、ICA方法、流形方法和。HMM方法等。由于人類對(duì)表情的控制是非常復(fù)雜和細(xì)微的,而且人臉的表情又是非常豐富的,因此使用計(jì)算機(jī)對(duì)人臉表情進(jìn)行識(shí)別確實(shí)很困難。本文根據(jù)研究的實(shí)際條件,決定以JAFFE圖庫為樣本庫,只做了7種靜態(tài)表情的

2、識(shí)別。對(duì)人臉表情的識(shí)別首先要考慮的問題是表情特征的提取,由于二維Gabor小波可以提取圖像各尺度方向上的紋理信息,且對(duì)亮度和人臉姿態(tài)的變化不敏感,故本研究考慮采用二維Gabor小波濾波器來提取人臉表情特征。在表情分類的處理上,本文采用了近年來流行的支持向量機(jī)(SVM)技術(shù)。SVM通過引入核函數(shù)概念,SVM可以解決高維問題和非線性問題,而且不需要有關(guān)樣本數(shù)據(jù)的任何先驗(yàn)概率假設(shè),特別是對(duì)小樣本模式識(shí)別問題,SVM還具有良好推廣性能。具體工作