基于多類LDA的人臉表情識別研究.pdf

1、在人際交往中，面部表情是一種非常重要的信息交流方式，能夠傳達很多語言所不能傳達的信息，通過對人臉表情進行識別可以獲取大量有價值的信息。在計算機視覺中，人臉表情識別就是利用計算機對人臉的表情信息進行特征提取并分類的過程。它可令計算機根據(jù)人的表情信息推斷出人的情緒，從而實現(xiàn)人機的智能交互。人臉表情識別的應用非常廣泛，例如人機交互、機器視覺、圖像處理與模式識別等領域都對人臉表情識別技術有很大的需求。鑒于人臉表情識別所具有的重要價值，本文對人臉

2、表情識別的具體理論進行研究，創(chuàng)新之處有以下三點:
　　本文提出了一種有效的人臉表情特征提取方法，在傳統(tǒng)的局部二值模式(LBP)和中心對稱局部二值模式(CS-LBP)的基礎上進行改進，生成一種新的特征提取方法——斜對稱局部二值模式(SS-LBP)。實驗表明，SS-LBP在處理人臉表情圖像時成效顯著，非常有助于之后的特征降維和表情分類。
　　本文提出了一種新穎的不完全加權判別濾波器算法IWDF，先對傳統(tǒng)的加權線性判別分析(WLD

3、A)算法進行改進形成一種新的線性判別分析模式——不完全加權線性判別分析算法(IWLDA)，然后將基礎濾波器有效地融入到IWLDA算法中，通過對IWLDA算法進行優(yōu)化訓練出針對不同表情的六個不完全加權判別濾波器IWDF。而后從各種基礎濾波器中選出最適合融入IWLDA的點積濾波器，同時在各種不同的權重函數(shù)中選擇基于瑪氏距離的權重定義方式，最終組成最優(yōu)的IWDF。
　　本文在傳統(tǒng)的線性嶺回歸算法(LLR)的基礎上提出了一種加權線性嶺回歸