融合整體與局部識別結(jié)果的人臉表情識別方法研究.pdf

1、目前人臉表情識別技術(shù)發(fā)展的相當成熟，可應用于很多領(lǐng)域，如機器人制造，汽車，安全等。人們研究出許多表情識別算法，而且取得了不錯的識別結(jié)果，但這些算法只是針對特定的人臉數(shù)據(jù)庫，所以并不具有普適性?，F(xiàn)階段的算法的準確性、魯棒性等方面尚不能滿足實際需求，而且單一信息源表情識別率低。如果將多個信息綜合分析，即信息的融合，可以得到意想不到的結(jié)果，比單一信息源的識別率要高?，F(xiàn)代信息處理領(lǐng)域，信息融合技術(shù)已經(jīng)是很重要的解決問題的方法，而且發(fā)展了證據(jù)理論

2、、模糊理論和神經(jīng)網(wǎng)絡等智能信息融合方法。本文將信息融合技術(shù)應用到人臉表情識別上，提取人臉表情圖像的眼睛，嘴巴局部特征和人臉全局特征，然后融合這些全局特征和局部特征的識別結(jié)果，會得到更好的識別率。
　　 本文主要工作包括以下幾方面內(nèi)容。
　　 在人臉圖像前期處理的過程中，首先是眼睛位置的確定。因為所用數(shù)據(jù)庫里圖像都是單人灰度圖像，背景簡單，所以本文采用灰度積分投影方法，得到眼睛和眉毛區(qū)域，對這個區(qū)域再次利用水平積分投影準確

3、確定眼睛的位置。然后利用二值化處理并在眼睛定位的基礎(chǔ)上定位出嘴巴區(qū)域。這樣對每一幅人臉表情圖像可以剪切得到人臉圖像，眼睛圖像，嘴巴圖像。最后，對這些圖像進行尺寸大小歸一化，光照均衡等前期處理。
　　 在人臉表情數(shù)據(jù)庫里存在樣本較少的問題，樣本數(shù)目太少對識別率有很大影響，甚至無法識別，故需擴充樣本數(shù)據(jù)庫。Yale數(shù)據(jù)庫里的表情圖像僅僅有15個人的各6種表情圖像，共計90幅表情圖像，樣本數(shù)太少，所以采用最簡單的加權(quán)平均方法，即選擇不

4、同人的同一表情進行加權(quán)平均，則大大擴充了樣本的個數(shù)，解決了Yale人臉數(shù)據(jù)庫的表情樣本較少的問題。
　　 在人臉特征提取方面，由于Gabor小波變換具有受光照影響比較小而且對位置敏感等優(yōu)點，所以選擇二維Gabor小波變換提取表情特征，構(gòu)造5個尺度和8個方向上的2DGabor小波。圖像與2DGabor小波卷積得到濾波后的圖像，然后對濾波后圖像計算其均值和方差作為特征值。該方法簡單方便有效的提取特征信息，而且避免了高維特征造成的災難