版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、近年來,隨著人們對人機(jī)交互興趣的增加,表情識別逐漸成為一個(gè)研究熱點(diǎn)。人臉表情識別是指利用計(jì)算機(jī)分析特定人的臉部表情及變化,進(jìn)而確定其內(nèi)心情緒或思想活動,實(shí)現(xiàn)人機(jī)之間更自然更智能化的交互。人臉表情識別的研究對于增強(qiáng)計(jì)算機(jī)的智能化和人性化,開發(fā)新型人機(jī)環(huán)境,以及推動心理學(xué)等學(xué)科的發(fā)展,有著重要的現(xiàn)實(shí)意義,并最終產(chǎn)生很大的經(jīng)濟(jì)效益和社會效益。 本文首先闡述了表情識別的研究背景、意義與現(xiàn)狀,并結(jié)合國內(nèi)外相關(guān)領(lǐng)域的研究技術(shù),從人臉檢測、特
2、征提取等方面對目前表情識別的常用方法做了分析與總結(jié)。重點(diǎn)介紹了表情分類技術(shù),扼要地分析了各種技術(shù)的優(yōu)缺點(diǎn)。 傳統(tǒng)的特征提取方法大多是針對整幅人臉進(jìn)行特征提取,但不能很好地解決部分人臉存在遮擋的問題。我們提出了基于分塊的離散余弦變換(Two-Dimension Discrete cosine transform,2D-DCT)表情特征提取方法。該方法首先對人臉表情圖像進(jìn)行分割,得到眼睛眉毛和嘴巴這兩個(gè)關(guān)鍵表情區(qū)域,然后分別對眼睛眉
3、毛區(qū)域和嘴巴區(qū)域提取2D-DCT系數(shù),把2D-DCT系數(shù)作為觀察序列。通過定性分析表明,該方法具有一定的合理性和可用性。 隱馬爾可夫模型(Hidden Markov Models,HMM)在針對遮擋的人臉表情進(jìn)行識別方面的研究目前并不多見,而使用隱半馬爾可夫模型(Hidden Semi-Markov Models,HSMM)對遮擋人臉表情進(jìn)行識別的方法目前我們還沒有發(fā)現(xiàn)。本文提出了基于HMM和基于HSMM兩種針對帶遮擋的人臉表情
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于HMM的人臉表情識別研究.pdf
- 基于剪切波變換的人臉表情識別技術(shù).pdf
- 基于Gabor的人臉表情識別研究.pdf
- 基于特征融合的人臉表情識別技術(shù)的研究.pdf
- 基于視頻流的人臉表情識別技術(shù)研究.pdf
- 基于SIFT算法的人臉表情識別.pdf
- 基于SVM的人臉表情識別研究.pdf
- 基于稀疏表示的人臉表情識別.pdf
- 基于視頻圖像的人臉表情識別技術(shù)的研究.pdf
- 基于肌肉運(yùn)動的人臉表情識別.pdf
- 基于SIFT特征的人臉表情識別研究.pdf
- 基于HMAX模型的人臉表情識別研究.pdf
- 基于Kernel ReliefF的人臉表情識別研究.pdf
- 基于粒計(jì)算的人臉表情識別研究.pdf
- 基于流行學(xué)習(xí)的人臉表情識別研究.pdf
- 基于整體識別和局部識別融合的人臉表情識別.pdf
- 基于深度學(xué)習(xí)的人臉表情識別研究.pdf
- 基于稀疏表示的人臉表情識別研究.pdf
- 基于隨機(jī)森林的人臉表情識別研究.pdf
- 基于壓縮感知算法的人臉表情識別.pdf
評論
0/150
提交評論