表情識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、計(jì)算機(jī)人臉表情識(shí)別技術(shù)是指計(jì)算機(jī)從人臉圖像中分析并提取表情特征，應(yīng)用人工智能和模式識(shí)別的方法加以歸類和識(shí)別，進(jìn)而理解人的情感。它是圖像處理、模式識(shí)別、心理學(xué)等領(lǐng)域的一個(gè)的交叉課題。它推動(dòng)計(jì)算機(jī)的情感化、人性化和智能化，具有重要的研究價(jià)值和廣泛的應(yīng)用前景。本文以表情識(shí)別的基本流程為線索，研究相關(guān)算法，并逐步實(shí)現(xiàn)一個(gè)表情識(shí)別系統(tǒng)。 針對(duì)現(xiàn)有表情識(shí)別過程中的特征選擇、多類SVM分類器、識(shí)別系統(tǒng)運(yùn)算速度等問題，本文主要基于FAI、投票、

2、平衡二叉樹、并行處理原理，對(duì)表情識(shí)別算法進(jìn)行深入研究，主要工作如下： 1.基于FAI與投票法的特征選擇算法：研究傳統(tǒng)的基于FAI的屬性約簡算法，發(fā)現(xiàn)兩個(gè)重要缺陷：a.直接把FAI累積值J(k)作為約簡標(biāo)準(zhǔn)，而J(k)反映的是第k維特征的宏觀分類能力，易出現(xiàn)較大偏差；b.基于粗糙集“樣本相容性”的約簡控制，應(yīng)用于連續(xù)型特征值時(shí)，對(duì)離散化的級(jí)數(shù)比較敏感，很容易造成約簡算法耗時(shí)低效。將該算法改進(jìn)為基于“類對(duì)”的FAI值FιJ(k)的票

3、選法。新算法提高了屬性約簡(即特征選擇)的效度。 2.基于多類SVM分類器的表情分類算法的改進(jìn)：發(fā)現(xiàn)基于二叉決策樹的一對(duì)多型多類SVM的結(jié)構(gòu)性缺陷：其二叉樹是非平衡的，樹的高度大，造成較嚴(yán)重的分類累積誤差。將其改進(jìn)為基于平衡二叉樹的多類SVM，通過降低分類樹的高度來降低分類的累積誤差。針對(duì)“一對(duì)一”型多類SVM的漏洞—投票沖突，增加近鄰分類法來解決。然后，對(duì)比分析了“一對(duì)一”型多類SVM和多類SVM這兩種分類算法的性能。