基于BoW模型的人臉表情識(shí)別算法的研究.pdf

1、近年來(lái)隨著計(jì)算機(jī)技術(shù)的發(fā)展，人臉表情識(shí)別因其在不同領(lǐng)域中的廣泛應(yīng)用而成為模式識(shí)別、統(tǒng)計(jì)學(xué)習(xí)等研究領(lǐng)域的熱門(mén)課題。人臉表情的多樣性與復(fù)雜性，使得實(shí)現(xiàn)一個(gè)自動(dòng)人臉表情識(shí)別系統(tǒng)成為一個(gè)富有挑戰(zhàn)性的問(wèn)題。
　　BoW模型是目標(biāo)分類(lèi)和場(chǎng)景分類(lèi)等分類(lèi)問(wèn)題中一個(gè)比較成熟的方法，而人臉表情識(shí)別是一個(gè)典型的多分類(lèi)問(wèn)題。本文主要探究BoW模型在人臉表情識(shí)別中的應(yīng)用，提出了基于BoW模型的人臉表情識(shí)別算法，主要工作如下:
　　首先，實(shí)現(xiàn)了基于Bo

2、W模型的人臉表情識(shí)別算法。提取人臉表情圖像的多尺度的DSIFT特征，對(duì)每個(gè)關(guān)鍵點(diǎn)進(jìn)行多尺度抽取，即包含圖像的概貌特征，又包含了圖像的細(xì)節(jié)特征。在用BoW模型描述圖像時(shí)，本文采用空間金字塔模型對(duì)圖像的BoW模型表示進(jìn)行擴(kuò)展，成功地融入了空間結(jié)構(gòu)信息。并通過(guò)大量的實(shí)驗(yàn)，為各個(gè)參數(shù)選擇最優(yōu)的值。
　　其次，針對(duì)上述算法需要非線(xiàn)性的支持向量機(jī)進(jìn)行分類(lèi)這一缺點(diǎn)，本文進(jìn)行了進(jìn)一步的改進(jìn)，提出了基于局部約束線(xiàn)性編碼的人臉表情識(shí)別算法。提取圖像的