基于提升小波與FLD的人臉表情識別算法研究.pdf

1、人工情感是人工智能的一部分，它是使用人工的方法和技術(shù)來模仿、延伸和擴展人類的情感。由于機器人在越來越多的領(lǐng)域得到應(yīng)用，人們需要機器人具有智能性，自主性和互動性的特點，要使人工情感的實現(xiàn)成為可能?；谟嬎銠C視覺的人臉表情識別是人工情感研究中的一個重要組成部分。人臉表情識別是一個涉及心理學、生物信息科學、圖像處理、計算機視覺、模式識別和機器學習等領(lǐng)域的交叉學科，自20世紀80年代問世以來受到了廣泛關(guān)注。
　　 人臉表情識別系統(tǒng)主要包

2、括三個部分:人臉檢測，特征提取和分類。其中，特征提取是最重要的部分，它直接影響到最終的識別結(jié)果。
　　 影響表情識別率的因素有以下幾方面，一是受到外部環(huán)境的影響，如光照、角度、遮擋物和臉部位置等干擾因素;二是人臉表情豐富，表情的變化細微而復(fù)雜;三是人類對表情的控制能力有限，對表情變化特點的概括也有限。為了解決表情識別面臨的諸多困難，提高識別率降低識別時間，國內(nèi)外很多專家學者做出了很多創(chuàng)新，提出了很多識別效果很好的新型算法，使得表

3、情識別領(lǐng)域仍然具有重要的科研價值和廣闊的發(fā)展前景。
　　 在識別方面的一些經(jīng)典算法，已被應(yīng)用于表情識別的領(lǐng)域，并具有很好的效果，如主成分分析(PCA)，獨立分量分析(ICA)，F(xiàn)isher線性判別(FLD)。本文提出一個新的面部表情特征提取方法，基于提升小波和FLD的算法。
　　 提升小波的優(yōu)勢在于，其變換可以在空間域完全實現(xiàn)，具有空間域局部性的特征，有利于表情細節(jié)特征的提取;而且提升小波結(jié)構(gòu)簡單、運算量低、原位運算、存

4、儲空間較小，有利于硬件實現(xiàn)及應(yīng)用。實驗中將低頻分量與高頻分量相結(jié)合，同時保留了表情的概貌與細節(jié)，獲得更多的表情信息。
　　 新算法的主要步驟如下:首先，對圖像進行預(yù)處理，按照統(tǒng)一標準對圖像中的人臉進行處理，也就是對臉部特征點進行歸一化處理，最終得到的圖像有相同的尺寸、方差和灰度均值。其次，將人臉表情圖像通過提升小波變換處理，獲得的圖像中包含主要表情信息。其次，改進Fisher線性判別(FLD)用來進行特征提取，得到人臉表情圖像的