基于可見光圖像和紅外熱像融合的自發(fā)表情識別.pdf_第1頁
已閱讀1頁,還剩49頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、隨著計算機科學技術和人工智能的快速發(fā)展,以及社會自動化程度的不斷提高,人機交互的擬人化程度成為了一個越來越受到重視的課題,人臉表情識別技術因此誕生。它作為一個交叉了心理學、工程學、數(shù)據(jù)挖掘、人工智能等學科的重要課題,越來越被眾多研究機構和研究者所關注。近些年來,在相應較為成熟的人臉識別技術、人臉跟蹤技術、臉部器官定位技術等的幫助下,人臉表情識別技術取得了較多的研究成果。然而,目前的研究主要針對的是人為表情的識別,對于用戶在自然條件下的自

2、發(fā)表情識別的研究成果較為有限。此外,利用可見光圖像和紅外熱像這兩種相互獨立光源的融合進行表情識別也可能會是對單一光源圖像表情識別的一種改進。因此,本文將在自發(fā)表情識別以及融合圖像的表情識別方面進行相關的研究。
   本文工作如下:
   1、提出基于小波變換的紅外特征提取和表情識別方法。首先對圖像進行二層2D小波變換,并基于聚類優(yōu)化的歐式距離最大化原則選擇小波變換后的低頻部分作為特征,最后采用K-近鄰分類識別器進行分類識

3、別,在Equinox數(shù)據(jù)庫和USTC-NVIE數(shù)據(jù)庫上進行了對比,驗證了方法的有效性。
   2、提出了一個基于標準協(xié)同訓練思想的紅外-可見融合表情識別方法。提取可見光圖像的外觀特征和紅外熱像中的低頻小波特征,分別利用兩個K-近鄰子分類器進行分類,并將分類結果進行互相的反饋,調(diào)整彼此的K-近鄰分類器的對照樣本空間,通過后驗概率獲得兩個子分類器的置信權值,并進行加權決策識別,在USTC-NVIE數(shù)據(jù)庫上進行了實驗驗證,實驗結果表明

4、該方法可以在一定程度上提高表情識別的識別率。
   3、提出了一個紅外輔助可見光圖像的表情識別方法,提取可見光圖像的外觀特征和紅外熱像中的低頻小波特征,首先對可見光圖像進行K-近鄰分類器的訓練,再利用紅外熱像特征對可見光圖像的訓練結果中分類錯誤的樣本進行重分類,并調(diào)整K-近鄰分類器的對照樣本空間。在USTC-NVIE數(shù)據(jù)庫上進行了實驗驗證,實驗結果表明該方法可以提高表情識別的識別率,是對單獨利用可見光圖像或紅外熱像的表情識別的一

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論