基于靜態(tài)圖像的人臉表情識別算法研究.pdf

1、人臉表情識別作為一項應用廣泛而又具有發(fā)展?jié)摿Φ募夹g，它是生物特征識別以及人工心理學理論研究中不可或缺的一部分。表情可以反映人們的心理狀態(tài)和思想感情，因此，人臉表情識別研究有利于計算機智能地分析人的情感，從而促進人機交互的發(fā)展，讓計算機更好地為人類服務。
　　本文主要是對靜態(tài)圖像中的人臉表情識別算法進行分析，首先研究人臉檢測與預處理方法，并給出基于膚色提取的光照補償方法對人臉大致定位，在此基礎上，用Adaboost分類器準確判斷出人

2、臉位置，仿真實驗說明本文算法的識別率比Adaboost算法提高了9.6個百分點，且檢測時間比Adaboost縮短了43％，實時性較好。
　　其次，針對表情特征提取過程中的信息不全面問題，本文分別分析了Gabor小波和LDP兩種方法，結(jié)合它們各自的優(yōu)點，給出一種新的特征提取方法。該方法用LDP算子對提取的Gabor特征進行編碼，然后將人臉進行劃分，提取每一部分的直方圖譜，并以加權串聯(lián)的形式組合，形成人臉的特征向量，最后用主成分分析法

3、對其進行降維。所提取的特征不僅滿足多方向、多尺度特性，還能有效地描述人臉表情的紋理特征以及人臉各部位間的細微差異。采用SVM分類方法并在JAFFE庫上仿真，實驗結(jié)果表明其識別率比Gabor小波高5.8個百分點，比LDP高3.6個百分點。
　　另外，針對SVM分類器分類面上的樣本容易混淆的缺陷，本文將SVM分類方法與K近鄰判決進行結(jié)合，提出一種K近鄰-SVM的分類算法。用JAFFE表情庫進行仿真，實驗結(jié)果表明K近鄰-SVM的識別率比