人臉表情識別方法的研究.pdf

1、一個完整的表情識別系統(tǒng)應由以下幾部分組成:人臉表情圖像捕獲、圖像預處理、人臉特征檢測與定位、人臉分割與歸一化、人臉表情特征提取、人臉表情識別。其中，提高人臉表情的識別率，主要決定于表情圖像的預處理、特征提取、表情分類這三個方面。本文主要針對靜態(tài)圖像研究表情圖像的特征提取和表情分類。
　　 本文首先介紹了人臉表情識別背景及其起源、發(fā)展與研究現(xiàn)狀，并結(jié)合國內(nèi)外相關(guān)領(lǐng)域的發(fā)展，從特征提取與表情分類兩個角度對目前表情識別的主流方法做了詳

2、細介紹。接著介紹了人臉檢測與定位的方法，并且作了仿真實驗。在表情特征提取這個問題上，本文提出了兩種改進的方法:基于特征增強的2DPCA方法和基于復數(shù)域的F-2DPCA方法。對于提高表情分類的正確率，首先引入加權(quán)馬氏距離分類器進行分類；再次本文引入了模糊C-均值聚類構(gòu)造表情模板，并且引入了改進的微粒群算法優(yōu)化模糊C-均值聚類的初始值選擇問題。
　　 研究的主要結(jié)論如下:
　　 (1)論文改進的表情特征提取方法之一，即提出特

3、征對比增強2DPCA法，有效的減弱不同表情的相同部位的干擾，增強了表情圖像特征部位的對比度。拉開了不同表情之間的總體差異，提高了表情正確識別率。
　　 (2)論文提出一種基于復數(shù)域的F-2DPCA法，該方法通過在復數(shù)域同時考慮圖像類內(nèi)和類間的差別，把表情圖像類內(nèi)差別提取出來作為圖像信息的一部分，更全面的提取了圖像的有用信息，提高了識別率。
　　 (3)論文在研究距離分類器的基礎(chǔ)上，將加權(quán)馬氏距離應用于人臉表情的分類，考慮

4、了基準模板特征的離散程度，樣本特征矢量在變換空間的各優(yōu)勢主向量上的投影分布得到更精確的刻畫。
　　 (4)論文改進了基本微粒群算法的慣性權(quán)重參數(shù)，將微粒群算法中的慣性權(quán)重用正弦函數(shù)來描述，使算法的前期階段具有較快的收斂速度，而且在算法后期局部搜索能力也不錯，既保留了具有遞增慣性權(quán)重和遞減慣性權(quán)重微粒群算法的優(yōu)點，也克服了它們的缺點，取得了比較好的實驗效果。
　　 (5)論文將模糊C均值聚類應用于人臉表情識別中構(gòu)造人臉表情