基于特征融合和稀疏表示的表情識別方法研究.pdf

1、面部表情識別技術(shù)是人工智能和模式識別領(lǐng)域的研究熱點，同時也是一個具有挑戰(zhàn)性的課題，涉及人機(jī)交互、計算機(jī)視覺、圖像處理等領(lǐng)域，具有廣闊的發(fā)展空間。但是由于表情特征易受到光照、噪聲等干擾，導(dǎo)致識別效果不理想。
　　針對表情特征的復(fù)雜性，本文的研究目的就是提高表情識別率。具體工作如下：
　　1.系統(tǒng)地總結(jié)了面部表情識別的技術(shù)方法，其中重點對特征提取方法和分類器設(shè)計兩方面進(jìn)行了研究。研究了PCA、HOG和ULBP這三種常用的表情特征

2、提取方法，對PCA方法中的能量值取值問題進(jìn)行了討論。并對PCA、HOG和ULBP三種特征分別進(jìn)行了面部表情識別實驗。討論了幾種常用的表情分類方法，重點研究了稀疏表示分類方法。分析了幾種稀疏求解方法以及超完備字典的構(gòu)建，對稀疏表示分類算法在面部表情識別中的應(yīng)用進(jìn)行了詳細(xì)分析。
　　2.由于不同表情特征在表情識別方面具有互補(bǔ)性，使用特征融合方法對不同的特征進(jìn)行融合。重點研究了基于CCA的特征融合方法及在表情特征融合中的應(yīng)用。通過變換函

3、數(shù)將特征從高維映射到低維空間，達(dá)到降維的目的。并通過與單個特征的表情識別結(jié)果進(jìn)行對比驗證了CCA方法的有效性。
　　3.針對表情識別的多類分類問題，本文主要對基于稀疏表示的分類方法進(jìn)行了研究。對基于CCA特征融合的特征提取方法進(jìn)行了實驗驗證。并與PCA、HOG和ULBP特征提取方法的表情識別率進(jìn)行了對比，進(jìn)一步驗證了CCA方法的有效性；對不同稀疏度下的表情識別率進(jìn)行了對比，找出最適合的稀疏度；對PCA方法中不同能量值進(jìn)行了實驗，找