

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),請進行舉報或認領(lǐng)
文檔簡介
1、人臉表情識別在醫(yī)學(xué)和民用領(lǐng)域有著廣闊的應(yīng)用前景,是目前的一個非?;钴S的研究領(lǐng)域。人臉面部表情蘊涵著豐富而又細膩的情感和心理信息,面部表情識別主要涉及兩個方面的問題,如何有效地獲取人臉面部表情特征和如何開展表情分類分析研究。 本論文主要研究內(nèi)容與創(chuàng)新性工作包括以下五個方面: 1)全面綜述了人臉表情識別研究的歷史和現(xiàn)狀,闡述了人臉表情識別的三個環(huán)節(jié)相關(guān)問題,即表情識別的特征提取、分類和識別框架。在表情特征提取環(huán)節(jié),總結(jié)了一些
2、常見的表情特征提取方法;描述了表情圖像預(yù)處理中常用的一些方法;分析了Gabor與Adaboost方法的特征提取基本思路;論述了主動形狀模型與主動外觀模型進行表情特征提取的算法描述;驗證了采用基于流形算法進行臉部特征提取的可實現(xiàn)性。在表情分類環(huán)節(jié),討論了傳統(tǒng)的兩分類支持向量機可用于表情多分類的解決過程;給出了表情數(shù)據(jù)可以通過聚類分析算法進行先聚類后區(qū)分的思想,以達到最終的表情分類識別;引用了自相似傳播聚類的算法思想,闡述其解決尋找最優(yōu)表情
3、分類中心的一般過程。在表情識別框架環(huán)節(jié),設(shè)計了表情識別系統(tǒng)的一般流程框架。 2)提出了基于Gabor特征與類間學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的表情識別算法。首先對Gabor小波特征與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的表情識別方法進行了研究與分析,并討論了BP網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計的一般模型,分析了隱層節(jié)點數(shù)選擇的方案、網(wǎng)絡(luò)常用傳遞函數(shù)和如何在實際問題中加以應(yīng)用,同時對神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)過程進行了詳細闡述,為類間神經(jīng)網(wǎng)絡(luò)的具體提出做好鋪墊;然后提出一種類間學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)表情
4、識別算法,該算法給出了如何獲取神經(jīng)網(wǎng)絡(luò)輸入層所需要的特征,如采用Gabor小波變換提取人臉表情的局部特征,且只選擇對表情貢獻最大的特征區(qū)域,建立了類間學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的一般概念,闡述了類間學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)描述,并設(shè)計了類間學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的模型,分析了類間學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程,描述了表情識別實現(xiàn)思路;其次,針對局部Gabor特征與神經(jīng)網(wǎng)絡(luò)的表情識別方法進行了相關(guān)的實驗,通過實驗給出了一般表情對之間的距離判距,驗證了通過類內(nèi)期望輸出和類間期望
5、距離來修正網(wǎng)絡(luò)的正確性;最后給出了一組實例樣本進行表情分類識別。 3)提出了基于ICA特征與隱馬爾可夫模型的表情識別算法。 首先介紹了基本的ICA模型,根據(jù)表情圖像的數(shù)據(jù)輸入空間構(gòu)造ICA模型,描述了FastICA算法步驟,分析了FastICA算法求解分離矩陣的過程,采用了滑動子窗口提取訓(xùn)練集特征,得到了人臉表情基向量;然后介紹了粒子群優(yōu)化算法步驟,利用其在數(shù)據(jù)空間搜索最優(yōu)解的優(yōu)良表現(xiàn),將其引入到表情特征的快速求解上,避
6、免了求解過程中的復(fù)雜計算開銷,并比較分析了優(yōu)化后的ICA與基本ICA進行特征提取所具有的不同表現(xiàn);其次,介紹了HMM的一般概念,給出了HMM表情識別建模的詳細過程,在確定HMM模型的各個參數(shù)上進行了實驗分析比較,以落實最佳的參數(shù)為識別分類所用,給出了HMM的一般訓(xùn)練過程和基于優(yōu)化后的ICA與HMM算法的表情識別體系;最后,比較分析了相近方法的研究,得出一些影響結(jié)果變化的因素,通過實驗結(jié)果驗證本文所提出思路的正確性。 4)提出了基
7、于活動外觀模型特征與Adaboost的表情識別算法。首先介紹了ASM方法和AAM方法的一般概念;然后針對表情圖像的標記點和輪廓線的構(gòu)成給出了依據(jù),并比較了ASM和AAM的不同,闡述了利用AAM提取人臉表情特征所具有的優(yōu)勢;其次,給出了Adaboost多分類算法步驟描述,為了能夠?qū)AM獲取的特征點值用于Adaboost多分類,構(gòu)造了一種適合于Adaboost多分類所需要的Harr型特征,并應(yīng)用此特征通過Adaboost分類器進行表情識別
8、;最后,通過實驗對訓(xùn)練集錯誤率等數(shù)據(jù)進行了分析,并針對不同方法之間的性能作出了分析比較。 5)提出了基于流形特征與支持向量聚類的表情識別算法。首先針對目前用于表情識別主要的兩類流形學(xué)習(xí)算法進行了介紹,根據(jù)LPP降維算法提出了一種有效的有約束機制,并在實驗中驗證了這種約束能夠更好地優(yōu)化投影矩陣的選擇;然后給出了一種LCSVC的聚類過程,有效降低了表情類別的聚類邊緣的部分干擾,在SVC聚類過程,采用MFA方法調(diào)整各個SV的權(quán)重;其次
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(zé)。
- 6. 下載文件中如有侵權(quán)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。
最新文檔
- 人臉表情識別算法研究與實現(xiàn).pdf
- 人臉表情識別的算法研究.pdf
- 人臉表情識別的研究與分析.pdf
- 人臉表情識別算法的研究.pdf
- 人臉表情識別算法研究與系統(tǒng)實現(xiàn).pdf
- 人臉表情特征表達與識別算法研究.pdf
- 人臉對齊與表情識別算法的研究與實現(xiàn).pdf
- 人臉表情特征提取與識別算法研究.pdf
- 人臉表情識別算法的研究及應(yīng)用.pdf
- 人臉識別表情識別研究.pdf
- 人臉表情識別.pdf
- 人臉表情識別
- 基于SIFT算法的人臉表情識別.pdf
- 參數(shù)估計的人臉表情識別算法研究.pdf
- 基于組合特征的人臉表情識別算法研究.pdf
- 人臉表情識別方法的分析與研究.pdf
- 人臉表情識別的研究與實現(xiàn).pdf
- 基于Gabor特征的人臉表情識別算法研究.pdf
- 基于靜態(tài)圖像的人臉表情識別算法研究.pdf
- 基于HOG特征的人臉表情識別算法研究.pdf
評論
0/150
提交評論