基于支持向量機的表情識別.pdf

1、人臉表情識別是近幾十年來才逐漸發(fā)展起來的一個科研熱點，指利用計算機分析特定人的臉部表情及變化，進而確定其內(nèi)心情緒或思想活動，實現(xiàn)人機之間更自然更智能化的交互。它在許多領(lǐng)域都有著潛在的應(yīng)用價值，包括心理學(xué)研究、圖像理解、合成臉部動畫、視頻檢索、機器人技術(shù)、虛擬現(xiàn)實技術(shù)以及基于臉部表情的新型人機交互環(huán)境的研究與開發(fā)等。 本文首先綜述課題的研究背景，分析目前國內(nèi)外已提出的主流人臉表情識別方法，重點對主成份分析方法、小波變換方法、光流模

2、型和隱馬可夫模型進行了詳細闡述和比較。鑒于小波變換能有效地提取靜態(tài)表情圖像的變形特征，以及支持向量機所表現(xiàn)出來的強大的分類能力，接著提出了基于Gabor小波變換和地理位置相結(jié)合的表情特征提取算法，然后結(jié)合支持向量機（SVM）進行表情分類。具體工作包括如下： 首先，在仔細閱讀人臉表情識別方面的參考文獻的基礎(chǔ)上進行總結(jié)，決定做單幅靜態(tài)圖像的表情識別，并聯(lián)系下載了基本表情數(shù)據(jù)庫JAFFE。 其次，對表情數(shù)據(jù)庫（共213幅）中的

3、每一幅圖像，分別手工標注出34個基準點，并記錄下來。 然后，在3個尺度、6個方向上構(gòu)造Gabor小波族。每幅圖像分別用這18個Gabor函數(shù)進行濾波，把濾波后圖像在34個基準點上的幅值作為Gabor系數(shù)，即用一個612(＝34×3×6)維的行向量作為特征值，以便下一步進行分類。 最后，用支持向量機（SVM）做分類器。把樣本集中的213幅圖像大致平均地分成10份，其中9份作為支持向量機的訓(xùn)練樣本，剩下的1份數(shù)據(jù)用來測試，此