基于流行學(xué)習(xí)的人臉表情識別研究.pdf

1、人臉表情是進行交往和表達情緒的一種重要手段,不經(jīng)過特殊訓(xùn)練,人類對其面部表情往往很難掩飾,所以,通過對人臉表情進行分析,可以獲得重要的信息。人臉表情識別是人機交互的智能化實現(xiàn)的一個重要組成部分,也是模式識別、圖像處理領(lǐng)域的一個重要研究課題,近幾年來,受到了越來越多的科研人員的關(guān)注。本文以非動態(tài)的人臉表情圖像為研究對象,研究了人臉圖像人臉定位、局部器官定位和局部特征提取、并深入研究了基于流形學(xué)習(xí)的人臉表情識別。
　　本論文的主要研究

2、工作為:
　　1)在閱讀了大量的國內(nèi)外人臉表情識別相關(guān)的文獻、資料基礎(chǔ)上,對人臉表情識別的發(fā)展現(xiàn)狀和存在的問題進行了概括,對于人臉表情識別系統(tǒng)中關(guān)鍵步驟如人臉局部分割、特征提取、特征降維等相關(guān)算法進行了概述,并詳細了解了流形學(xué)習(xí)算法的研究背景和發(fā)展現(xiàn)狀。
　　2)研究了人臉定位和局部表情特征提取。基于AdaBoost算法實現(xiàn)人臉定位。基于積分投影方法實現(xiàn)人臉中嘴巴、鼻子、眼睛、眉毛等局部區(qū)域的分割,然后分別采用LBP方法和G

3、abor小波算法提取局部特征。其中對于人臉定位和局部表情特征提取的效果進行了實驗驗證。
　　3)對兩種常用的線性降維算法:主成分分析(PCA)和線性描述分析(LDA)及非線性降維算法中三種具有代表性的算法:等距離映射(ISOMAP)、局部線性嵌入(LLE)和局部切空間排列(LTSA)進行了理論分析和實驗比較。實驗的內(nèi)容包括人造數(shù)據(jù)驗證低維嵌入效果和人臉表情庫數(shù)據(jù)中的表情識別率的對比。實驗結(jié)果表明LTSA算法相對于其他算法具有一定的