基于SIFT特征的人臉表情識別研究.pdf

1、人臉表情識別是計算機視覺、模式識別等領域的重要研究方向，在人機交互、醫(yī)療、動畫制作等產業(yè)都有很廣泛的應用。因此開發(fā)一個人臉表情識別算法具有廣泛的應用前景。
　　本文主要使用Dense SIFT(Dense Scale Invariant Feature Transform即密集型尺度不變特征變換)算法提取人臉表情特征，再使用k-means聚類算法對表情特征進行聚類分析，并利用空間金字塔算法對聚類后生成的特征向量進行改進，最后利用支

2、持向量機進行分類識別。本文的主要研究工作包括：
　　(1)對SIFT算法的特征提取過程進行了詳細的分析和研究，并研究了一種SIFT算法的簡化算法，即Dense SIFT算法用于提取人臉表情特征。實驗也顯示Dense SIFT算法適用于人臉表情識別中。
　　(2)研究了利用詞袋模型生成一個包含一定數(shù)量單詞的詞典的方法。研究Dense SIFT算法在人臉圖像上進行特征提取的像素點間隔分別為2,4,6,8個像素，生成的單詞數(shù)分別為

3、100,150,200,250,300,350,400,450,500,550,600時對實驗結果的影響。
　　(3)使用k-means聚類方法后得到的特征點，再用詞袋模型生成代表圖像特征的直方圖之后，丟失了在原來人臉表情圖像中的位置信息。利用空間金字塔算法，來獲取聚類后得到的單詞所代表的特征向量在原來圖像中的整體位置信息。研究了使用空間金字塔算法前后對人臉表情識別率的影響。
　　(4)結合 SVM(支持向量機)方法，對數(shù)據(jù)