人臉表情識別的研究與實現(xiàn).pdf

1、面部表情識別是人工智能領(lǐng)域的一個新興的研究熱點，它是涉及生物特征識別、圖像處理、機器視覺、運動跟蹤、生理學，心理學等研究領(lǐng)域的一個極富挑戰(zhàn)性的交叉課題。研究目標是讓一些人工智能產(chǎn)品能夠自動地識別出人的表情，進而分析人的情感。它是情感計算、智能人機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值。
　　 本文設(shè)計的表情識別系統(tǒng)由以下幾部分組成:人臉圖像的檢測、人眼的檢測與定位、純表情圖像的分割與歸一化、小波變換降維處理、人臉

2、表情特征提取、人臉表情識別。本文主要研究了表情特征空間提取的以及表情圖像的分類中的一些關(guān)鍵問題。提出了一些算法的改進，并進行了仿真實驗。主要的工作如下：
　　 1.使用了SMO算法來進行實時的人臉檢測。采用改進的Rough算法進行眼睛的精確定位。然后采用根據(jù)眼睛的坐標對圖像進行旋轉(zhuǎn)、剪切及放縮等幾何處理和使用直方圖均衡化等進行灰度處理的預(yù)處理方法。
　　 2.通小波變換進行圖像降維處理。使用小波變換后的二級低頻子圖代替原

3、始圖像，以減弱圖像對光照和位置的敏感性。使用加權(quán)主元分析（WPCA）、改進的線性Fisher判別、PCA與LDA相融合的算法進行表情特征空間的提取和訓練。
　　 3.在分析多種表情模板構(gòu)造和分類的基礎(chǔ)上，針對同一種表情在表現(xiàn)形式上存在著差異，所以把一種表情劃分為多個子表情模板。采用了C均值動態(tài)聚類的方法來構(gòu)造表情模板。對于待識別的圖像，采用Parzen分類器進行歸類識別。
　　 4.設(shè)計了一個基于Labview平臺的自動