基于矩和主分量分析的面部表情識別方法研究.pdf

1、在日常生活中,人類的智能不僅表現(xiàn)在正常的理性思維和邏輯推理能力上,也表現(xiàn)在正常的情感能力上.在自然化的人機(jī)交互過程中,計(jì)算機(jī)不能沒有理解和表達(dá)情感的能力.計(jì)算機(jī)中,這種能力對促進(jìn)計(jì)算機(jī)視覺系統(tǒng)建模和數(shù)據(jù)庫的發(fā)展都有直接的作用;此外,在行為學(xué)中,計(jì)算機(jī)的這種能力能幫助人們研究和建立交流中的可信度.本文主要討論了基于矩的面部表情識別,其內(nèi)容包括離散對稱變換在人臉圖像特征定位中的應(yīng)用、各種矩在面部表情識別中的應(yīng)用比較、相應(yīng)的分類器的設(shè)計(jì)以及基

2、于主分量分析(Principal Component Analysis:PCA)的面部表情識別方法研究.首先,本文介紹了現(xiàn)今人臉檢測課題的研究現(xiàn)狀,并在廣義對稱變換的基礎(chǔ)上,定義了一種離散對稱變換DST(Discrete Symmetry Transform),用于人眼的精確定位.為后續(xù)表情識別的研究做了預(yù)處理工作.接下來,介紹了Hu矩、Zernike矩和小波矩不變量的基本定義和性質(zhì),并將其運(yùn)用到基于全局信息的面部表情特征提取中.在我們

3、的實(shí)驗(yàn)中,使用了三種常用的小波函數(shù)——三次B樣條小波函數(shù)、Haar函數(shù)和Shannon函數(shù),將其識別率與Zernike矩的識別率進(jìn)行了比較,結(jié)果表明對于同一個(gè)人的面部表情識別,小波矩具有更好的識別效果.隨后,我們給出了一組改進(jìn)的Hu矩不變量,并基于局部的特征區(qū)提取了改進(jìn)的Hu矩不變量、Zernike矩不變量和三次B樣條矩不變量等特征,根據(jù)提取的特征,我們設(shè)計(jì)了用BP算法訓(xùn)練的前向網(wǎng)絡(luò).實(shí)驗(yàn)結(jié)果表明,B樣條矩識別表情的能力比其他各種矩的識