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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、人臉表情識(shí)別技術(shù)是涉及生物特征識(shí)別、模式識(shí)別、圖像處理、機(jī)器視覺、運(yùn)動(dòng)跟蹤、生理學(xué)、心理學(xué)等研究領(lǐng)域的一個(gè)極富挑戰(zhàn)性的交叉課題,是近年來模式識(shí)別與人工智能領(lǐng)域的一個(gè)研究熱點(diǎn):它是情感計(jì)算、智能人機(jī)交互的重要組成部分,有著廣泛的應(yīng)用前景和潛在的市場價(jià)值。近年來,在國內(nèi)外各大科研院所和高校的共同努力下,人臉表情識(shí)別技術(shù)快速發(fā)展,但各種問題也隨之產(chǎn)生。目前尚有許多難點(diǎn)問題沒有解決,至今也沒有一套實(shí)際應(yīng)用的系統(tǒng)面世。 人臉表情識(shí)別一般分
2、為人臉檢測、特征提取、特征選擇和表情分類等環(huán)節(jié)。本文主要研究了特征提取、特征選擇和表情分類過程中的一些關(guān)鍵問題,提出了一些改進(jìn)算法,并進(jìn)行了仿真實(shí)驗(yàn)。主要的工作如下: 1.用基于統(tǒng)計(jì)理論的主動(dòng)外觀模型(Active Appreance Models,AAM)作為人臉特征點(diǎn)定位的方法并進(jìn)行了實(shí)驗(yàn)。 2.對(duì)現(xiàn)有的幾何特征做了一個(gè)總結(jié)。根據(jù)目前已有的、涉及人臉表情幾何特征的文獻(xiàn),總結(jié)出了一個(gè)特征表。它幾乎可以囊括全部文獻(xiàn)中提出
3、的幾何特征。 3.首次使用粗糙集理論的屬性約簡方法做人臉表情特征選擇。粗糙集理論的屬性約簡方法是一種不依賴于先驗(yàn)知識(shí)的特征選擇方法,已應(yīng)用于諸多領(lǐng)域,有其獨(dú)特的優(yōu)越性。本文把粗糙集屬性約簡方法應(yīng)用于人臉表情的幾何特征選擇,取得了良好的效果,有效地降低了特征的維數(shù)。 4.提出將粗糙集屬性約簡與支持向量機(jī)相結(jié)合的RS-SVM方法。支持向量機(jī)是上世紀(jì)90年代新發(fā)展起來的一種高效分類方法,雖然從理論建立到現(xiàn)在只有短短的10年時(shí)間
4、,但它已廣泛地應(yīng)用于各個(gè)領(lǐng)域。支持向量機(jī)的理論基礎(chǔ)是統(tǒng)計(jì)學(xué)習(xí)理論。研究者們已經(jīng)從理論上證明支持向量機(jī)是一種優(yōu)秀的學(xué)習(xí)機(jī)器,因?yàn)樗軌虮WC在小樣本訓(xùn)練集下達(dá)到最大的泛化能力。本文把粗糙集的屬性約簡方法與支持向量機(jī)相結(jié)合,先用屬性約簡進(jìn)行預(yù)處理,然后再用支持向量機(jī)分類。實(shí)驗(yàn)表明,該方法可以有效的降低支持向量機(jī)的運(yùn)算復(fù)雜度,而分類能力只有小幅度的下降甚至不下降。 5.開發(fā)了一個(gè)人臉表情識(shí)別實(shí)驗(yàn)系統(tǒng)(Facial Expression
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于靜態(tài)圖像的人臉表情識(shí)別算法研究.pdf
- 靜態(tài)圖像中人臉表情識(shí)別的研究.pdf
- 基于靜態(tài)圖像人臉表情識(shí)別的研究與實(shí)現(xiàn).pdf
- 基于視頻圖像的人臉表情識(shí)別技術(shù)的研究.pdf
- 基于HMM的人臉表情識(shí)別研究.pdf
- 基于Gabor的人臉表情識(shí)別研究.pdf
- 靜態(tài)圖像中正面人臉表情識(shí)別算法研究.pdf
- 靜態(tài)圖像中人臉表情和性別識(shí)別的研究.pdf
- 基于SVM的人臉表情識(shí)別研究.pdf
- 基于靜態(tài)圖像的人臉監(jiān)測.pdf
- 基于SIFT特征的人臉表情識(shí)別研究.pdf
- 基于HMAX模型的人臉表情識(shí)別研究.pdf
- 基于Kernel ReliefF的人臉表情識(shí)別研究.pdf
- 基于粒計(jì)算的人臉表情識(shí)別研究.pdf
- 基于流行學(xué)習(xí)的人臉表情識(shí)別研究.pdf
- 基于深度學(xué)習(xí)的人臉表情識(shí)別研究.pdf
- 基于稀疏表示的人臉表情識(shí)別研究.pdf
- 基于SIFT算法的人臉表情識(shí)別.pdf
- 基于稀疏表示的人臉表情識(shí)別.pdf
- 基于隨機(jī)森林的人臉表情識(shí)別研究.pdf
評(píng)論
0/150
提交評(píng)論