人臉表情圖像特征提取方法研究與實(shí)現(xiàn).pdf

1、人臉面部表情識(shí)別是通過(guò)計(jì)算機(jī)對(duì)人臉面部由肌肉拉動(dòng)所產(chǎn)生的表情圖像或視頻做特征提取工作，并按照人類(lèi)目前理解經(jīng)驗(yàn)和思想認(rèn)識(shí)來(lái)實(shí)施表情歸類(lèi)和表情識(shí)別，從面部信息中提取分析人類(lèi)情感。表情特征提取的正確性和有用性是表情可否正確識(shí)別的關(guān)鍵。本論文的重點(diǎn)是對(duì)表情圖像特征提取方法進(jìn)行研究。本論文主要工作具體有以下幾個(gè)方面：
　　首先，詳細(xì)介紹人臉表情識(shí)別系統(tǒng)各功能模塊，研究了圖像獲取模塊和預(yù)處理模塊的原理與算法，并進(jìn)行小樣本采集實(shí)驗(yàn)，包括以下四個(gè)

2、方面：人臉檢測(cè)、圖像灰度化、圖像歸一化、光照補(bǔ)償。
　　其次，對(duì)比研究三種常見(jiàn)的表情特征提取算法，包括：局部二值模式（Local Binary Pattern，LBP）、局部相位量化（Local Phase Quantization，LPQ）、旋轉(zhuǎn)不變局部相位量化（Rotation Invariant Local Phase Quantization，RILPQ），在JAFFE圖像庫(kù)部分圖像特征提取實(shí)驗(yàn)，提取到特征向量灰度圖及量化

3、直方圖做研究比對(duì)。本論文在 RILPQ算法基礎(chǔ)上，引入二維高斯核方向?qū)?shù)，提出一種新的特征提取算法，即：融合高斯導(dǎo)數(shù)RILPQ算法。
　　再次，研究支持向量機(jī)（upport Vector Machine，SVM）理論并運(yùn)用SVM模式識(shí)別與回歸的軟件包 LIBSVM完成分類(lèi)識(shí)別與回歸。本部分主要研究基于同向高斯核方向?qū)?shù)與 RILPQ融合的人臉表情特征提取算法程序設(shè)計(jì)，并對(duì)三個(gè)參數(shù)做大量實(shí)驗(yàn)研究，包括：方向?qū)?shù)濾波方向、濾波尺度、尺

4、度半徑，尋找到一組最佳實(shí)驗(yàn)參數(shù)，表情識(shí)別率最高為92.57％。同時(shí)，為驗(yàn)證該算法實(shí)驗(yàn)效果，通過(guò)運(yùn)行時(shí)間和表情識(shí)別率兩項(xiàng)指標(biāo)與前面的三種特征提取算法進(jìn)行比較，證明該算法運(yùn)行時(shí)間較長(zhǎng)但是能取得較好的表情識(shí)別分類(lèi)效果。
　　最后，本文又提出了一種異向高斯核方向?qū)?shù)與RILPQ融合的運(yùn)動(dòng)模糊人臉表情特征提取算法。通過(guò) JAFFE圖像庫(kù)水平方向運(yùn)動(dòng)模糊處理后做特征提取進(jìn)行表情分類(lèi)。實(shí)驗(yàn)證明：在模糊長(zhǎng)度為5像素，尺度半徑為 R=9條件下，運(yùn)動(dòng)