基于非負(fù)稀疏矩陣分解的人臉表情識(shí)別.pdf

1、表情是人類交流的重要的非語(yǔ)言信息，是傳遞人類感情的重要方法。作為情感計(jì)算領(lǐng)域和智能化人機(jī)交互技術(shù)的重要研究課題，人臉表情識(shí)別技術(shù)近年來(lái)得到了廣泛的關(guān)注和快速的發(fā)展。通常情況下，人臉表情識(shí)別系統(tǒng)分為三個(gè)主要研究模塊，分別為人臉檢測(cè)與預(yù)處理模塊、表情特征提取模塊和表情分類模塊。本文針對(duì)以上內(nèi)容展開了深入研究，主要研究工作如下：
　?。?）概述了人臉表情識(shí)別的目的意義以及表情特征提取和表情分類的研究現(xiàn)狀，通過閱讀文獻(xiàn)，總結(jié)了2006年至

2、今的國(guó)內(nèi)外人臉表情識(shí)別技術(shù)的最新發(fā)展。
　?。?）對(duì)檢測(cè)到的人臉圖像進(jìn)行了光照補(bǔ)償和幾何校正。光照補(bǔ)償方法主要研究了直方圖均衡化、Gamma校正、同態(tài)濾波、Isotropic濾波和Anisotropic濾波五種方法，并對(duì)Gamma校正進(jìn)行了改進(jìn)，建立自適應(yīng)Gamma校正函數(shù)，提高了Gamma校正的自適應(yīng)性的同時(shí)減弱了失真效果。同時(shí)采用分塊灰度積分投影算法定位人眼，并通過人眼坐標(biāo)對(duì)圖像進(jìn)行旋轉(zhuǎn)校正，有效解決了因頭部旋轉(zhuǎn)造成的平面偏移

3、問題。
　?。?）詳細(xì)介紹了非負(fù)矩陣分解、局部非負(fù)矩陣分解和稀疏非負(fù)矩陣分解的基本理論、目標(biāo)函數(shù)和迭代算法，通過原理和實(shí)驗(yàn)兩個(gè)方面的對(duì)比，闡述了NMF算法、LNMF算法和SNMF算法在表情特征提取方面的優(yōu)缺點(diǎn)，并對(duì)特征基個(gè)數(shù)和稀疏因子等參數(shù)的選取進(jìn)行了實(shí)驗(yàn)分析和討論。
　?。?）改進(jìn)了傳統(tǒng)的非負(fù)矩陣分解算法，提出了類內(nèi)分塊局部加權(quán)的稀疏矩陣分解算法，即BWNMF、BWLNMF和BWSNMF算法。通過分塊處理將訓(xùn)練樣本分成若干

4、個(gè)子模式，并根據(jù)各子模式對(duì)表情識(shí)別的不同貢獻(xiàn)加以不同的權(quán)值，充分發(fā)揮了局部特征對(duì)表情分類的優(yōu)勢(shì)，并討論了不同的分塊方式對(duì)表情分類的影響。
　?。?）研究了支持向量機(jī) SVM的分類原理。對(duì)于表情識(shí)別這種多類分類問題，介紹了三種分類方法，分別是“一對(duì)多”SVM、“一對(duì)一”SVM和二叉樹SVM，并在訓(xùn)練時(shí)間和分類速度上對(duì)比了它們的分類效果，最終本文選用了基于二叉樹的支持向量機(jī)進(jìn)行表情識(shí)別，并從層次聚類的思想出發(fā)使生成的二叉樹的訓(xùn)練結(jié)構(gòu)是