

版權(quán)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(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、近年來,隨著計(jì)算機(jī)技術(shù)的快速發(fā)展,通過計(jì)算機(jī)進(jìn)行面部表情識(shí)別在和諧人機(jī)交互及情感機(jī)器人等方面有著廣泛應(yīng)用,人臉表情識(shí)別逐漸成為一個(gè)研究熱點(diǎn)。人臉表情識(shí)別是指利用計(jì)算機(jī)分析特定人的臉部表情及變化,進(jìn)而確定其內(nèi)心情緒或思想活動(dòng),實(shí)現(xiàn)人機(jī)之間更自然更智能化的交互。人臉表情識(shí)別的研究對于增強(qiáng)計(jì)算機(jī)的智能化和人性化,開發(fā)新型人機(jī)環(huán)境,以及推動(dòng)心理學(xué)等學(xué)科的發(fā)展,有著重要的現(xiàn)實(shí)意義,并最終產(chǎn)生很大的經(jīng)濟(jì)效益和社會(huì)效益。
本文首先對課題
2、的研究背景進(jìn)行綜述,并分析目前國內(nèi)外已提出的主流人臉表情識(shí)別方法。在綜合分析了以往的表情識(shí)別方法的基礎(chǔ)上,本文主要研究了人臉表情特征提取的一些關(guān)鍵問題,提出了一些新的方法,并通過實(shí)驗(yàn)進(jìn)行了有效性驗(yàn)證。本文的具體內(nèi)容如下:
(1)提出了基于CBP-TOP的表情特征提取方法。該方法先把人臉表情圖像序列進(jìn)行分塊,然后對每小塊的中心像素點(diǎn)在XY,XT和YT三個(gè)正交平面上分別提取CBP碼,提取完該小塊所有中心像素點(diǎn)的CBP碼后,把該
3、塊提取出的CBP碼在XY,XT和YT三個(gè)正交平面上進(jìn)行二元模式的直方圖統(tǒng)計(jì),得到3部分直方圖,接著把三部分直方圖級(jí)聯(lián)起來組成一個(gè)直方圖特征,所有分塊的直方圖特征被提取完后,再將所有塊的直方圖特征級(jí)聯(lián)起來組成整個(gè)圖像的直方圖特征,最后使用SVM分類器進(jìn)行識(shí)別。試驗(yàn)結(jié)果表明,該方法在人臉表情識(shí)別中獲得較好的識(shí)別率。
(2)提出了基于多尺度CBP-TOP的表情特征提取方法。該方法是在CBP-TOP方法的基礎(chǔ)之上拓展出來的,首先把
4、人臉表情圖像進(jìn)行分塊,然后對每小塊使用不同尺度的CBP-TOP方法來提取圖像序列的特征,然后把這些不同尺度的CBP-TOP直方圖特征相加,就得到該塊的多尺度CBP-TOP直方圖特征,提取完所有分塊之后,把所有分塊的直方圖特征級(jí)聯(lián)起來,就得到圖像序列的直方圖特征,最后也同樣使用SVM分類器進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明,多尺度CBP-TOP特征提取方法的識(shí)別率比單尺度CBP-TOP特征提取方法和VLBP特征提取方法的識(shí)別率更高,不過多尺度CBP-
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(quán)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(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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。
最新文檔
- 基于HMM的人臉表情識(shí)別研究.pdf
- 基于Gabor的人臉表情識(shí)別研究.pdf
- 基于SVM的人臉表情識(shí)別研究.pdf
- 基于SIFT特征的人臉表情識(shí)別研究.pdf
- 基于HMAX模型的人臉表情識(shí)別研究.pdf
- 基于MLBP-TOP與光流多特征的人臉表情融合識(shí)別研究.pdf
- 基于Kernel ReliefF的人臉表情識(shí)別研究.pdf
- 基于粒計(jì)算的人臉表情識(shí)別研究.pdf
- 基于流行學(xué)習(xí)的人臉表情識(shí)別研究.pdf
- 基于深度學(xué)習(xí)的人臉表情識(shí)別研究.pdf
- 基于稀疏表示的人臉表情識(shí)別研究.pdf
- 基于SIFT算法的人臉表情識(shí)別.pdf
- 基于稀疏表示的人臉表情識(shí)別.pdf
- 基于隨機(jī)森林的人臉表情識(shí)別研究.pdf
- 基于靜態(tài)圖像的人臉表情識(shí)別研究.pdf
- 基于肌肉運(yùn)動(dòng)的人臉表情識(shí)別.pdf
- 基于HSMM的人臉表情識(shí)別技術(shù).pdf
- 基于動(dòng)態(tài)紋理特征的人臉表情識(shí)別研究
- 基于多類LDA的人臉表情識(shí)別研究.pdf
- 基于支持向量機(jī)的人臉表情識(shí)別研究.pdf
評(píng)論
0/150
提交評(píng)論