基于流形學(xué)習(xí)算法的人臉表情識別研究.pdf

1、表情作為人類情感表達最直接最基本的交流方式，在非語言交流當(dāng)中是一種十分有效的表達方式。表情不光可以直接而又準確的呈現(xiàn)個人的思緒情感，同時可以根據(jù)對方的表情來判斷他人的內(nèi)心情感狀態(tài)。因此，表情也成為最豐富的肢體語言之一參與人類的各類活動。如果計算機和智能機器人能夠像人類一樣具有情感理解與表達的能力，這將從根本上將人機交互的水平提高到一個更高的層次，從而使計算機更好地為人類服務(wù)。
　　 隨著近些年來對人臉檢測、跟蹤及人臉識別技術(shù)研究

2、的不斷深入完善，人臉表情識別的研究已經(jīng)逐漸成為模式識別與人工智能領(lǐng)域的研究熱點。當(dāng)前對于表情識別技術(shù)尚在不斷的研究當(dāng)中，還有許多亟待解決的問題需要進一步深入研究。比如如何精確的提取面部的關(guān)鍵表情特征；如何最大限度的降低表情特征中的高維冗余信息；如何精確的對表情進行估計及其分類；以及如何進行多學(xué)科融合對表情進行多點分析等等。
　　 本文系統(tǒng)的研究了人臉表情識別技術(shù)在國內(nèi)外的研究現(xiàn)狀及在應(yīng)用當(dāng)中存在的一些問題，并對其中一些關(guān)鍵問題提

3、出了解決方法，主要研究工作包括：
　　 (1)在人臉表情預(yù)處理當(dāng)中，對于表情的獲取及定位，提出了基于雙閾值的級聯(lián)分類器的加速算法進行人臉檢測，并應(yīng)用AdaBoost算法進行人眼定位。這很大的提高了后期對表情進行識別分類的精度，在表情預(yù)處理階段打下了一個很好的基礎(chǔ)。
　　 (2)以人臉表情的關(guān)鍵特征的貢獻率為基礎(chǔ)，提取了對表情識別最為關(guān)鍵的Gabor小波敏感特征信息，在減小后期處理冗余度的同時選擇具有最大信息量的表情特征，