基于可見(jiàn)光圖像和紅外熱像融合的自發(fā)表情識(shí)別.pdf

1、隨著計(jì)算機(jī)科學(xué)技術(shù)和人工智能的快速發(fā)展，以及社會(huì)自動(dòng)化程度的不斷提高，人機(jī)交互的擬人化程度成為了一個(gè)越來(lái)越受到重視的課題，人臉表情識(shí)別技術(shù)因此誕生。它作為一個(gè)交叉了心理學(xué)、工程學(xué)、數(shù)據(jù)挖掘、人工智能等學(xué)科的重要課題，越來(lái)越被眾多研究機(jī)構(gòu)和研究者所關(guān)注。近些年來(lái)，在相應(yīng)較為成熟的人臉識(shí)別技術(shù)、人臉跟蹤技術(shù)、臉部器官定位技術(shù)等的幫助下，人臉表情識(shí)別技術(shù)取得了較多的研究成果。然而，目前的研究主要針對(duì)的是人為表情的識(shí)別，對(duì)于用戶在自然條件下的自

2、發(fā)表情識(shí)別的研究成果較為有限。此外，利用可見(jiàn)光圖像和紅外熱像這兩種相互獨(dú)立光源的融合進(jìn)行表情識(shí)別也可能會(huì)是對(duì)單一光源圖像表情識(shí)別的一種改進(jìn)。因此，本文將在自發(fā)表情識(shí)別以及融合圖像的表情識(shí)別方面進(jìn)行相關(guān)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(shí)別方法。首先對(duì)圖像進(jìn)行二層2D小波變換，并基于聚類(lèi)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(lèi)識(shí)別器進(jìn)行分類(lèi)識(shí)

3、別，在Equinox數(shù)據(jù)庫(kù)和USTC-NVIE數(shù)據(jù)庫(kù)上進(jìn)行了對(duì)比，驗(yàn)證了方法的有效性。
　　 2、提出了一個(gè)基于標(biāo)準(zhǔn)協(xié)同訓(xùn)練思想的紅外-可見(jiàn)融合表情識(shí)別方法。提取可見(jiàn)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(gè)K-近鄰子分類(lèi)器進(jìn)行分類(lèi)，并將分類(lèi)結(jié)果進(jìn)行互相的反饋，調(diào)整彼此的K-近鄰分類(lèi)器的對(duì)照樣本空間，通過(guò)后驗(yàn)概率獲得兩個(gè)子分類(lèi)器的置信權(quán)值，并進(jìn)行加權(quán)決策識(shí)別，在USTC-NVIE數(shù)據(jù)庫(kù)上進(jìn)行了實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果表明

4、該方法可以在一定程度上提高表情識(shí)別的識(shí)別率。
　　 3、提出了一個(gè)紅外輔助可見(jiàn)光圖像的表情識(shí)別方法，提取可見(jiàn)光圖像的外觀特征和紅外熱像中的低頻小波特征，首先對(duì)可見(jiàn)光圖像進(jìn)行K-近鄰分類(lèi)器的訓(xùn)練，再利用紅外熱像特征對(duì)可見(jiàn)光圖像的訓(xùn)練結(jié)果中分類(lèi)錯(cuò)誤的樣本進(jìn)行重分類(lèi)，并調(diào)整K-近鄰分類(lèi)器的對(duì)照樣本空間。在USTC-NVIE數(shù)據(jù)庫(kù)上進(jìn)行了實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果表明該方法可以提高表情識(shí)別的識(shí)別率，是對(duì)單獨(dú)利用可見(jiàn)光圖像或紅外熱像的表情識(shí)別的一