基于混合特征實(shí)時(shí)人臉表情識(shí)別的研究.pdf

1、人臉表情及手勢(shì)在人們的交流中有重要的作用,在相關(guān)的心理學(xué)研究中表明面部表情包含的情感信息超過了人們聲音包含的情感信息。計(jì)算機(jī)實(shí)現(xiàn)自動(dòng)人臉表情識(shí)別對(duì)自然化人機(jī)交互的實(shí)現(xiàn)有重要的意義。近年來隨著人工智能和人機(jī)交互的發(fā)展,人臉表情的識(shí)別已經(jīng)成為一個(gè)研究的熱點(diǎn)問題。
　　 人臉表情識(shí)別主要通過人臉圖像分析處理,對(duì)圖像中的人臉表情的所屬類別做出判斷。本文提出混合人臉特征的提取結(jié)合支持向量機(jī)進(jìn)行分類的方法進(jìn)行人臉表情的分類。工作重點(diǎn)有以下幾

2、個(gè)方面
　　 (1)人臉檢測(cè)。本文分析了基于Haar—Like特征和Adaboost學(xué)習(xí)算法的人臉檢測(cè)方法。
　　 (2)人臉的表情區(qū)域的定位。人臉的表情的信息主要集中在人臉的嘴部和眼部。為了提取有效人臉表情特征刪減部分弱特征,本文利用基于灰度積分投影的方法對(duì)的人臉嘴部及眼部進(jìn)行定位。
　　 (3)混合特征提取。通過多方向、多頻率的Gabor濾波族對(duì)人臉眼部及嘴部區(qū)域進(jìn)行濾波處理,得到紋理特征。經(jīng)過Gabor濾波

3、族處理得到的紋理特征數(shù)量較大。為了較少特征的冗余,對(duì)得到的紋理特征進(jìn)行PCA降維得到一個(gè)較低維的紋理特征。通過眼部區(qū)域跟嘴部區(qū)域中堅(jiān)直像素的灰度變化提取幾何特征。將紋理特征與幾何特征結(jié)合。
　　 (4)表情分類。構(gòu)造決策導(dǎo)向非循環(huán)圖支持向量機(jī)(DDAG-SVM)進(jìn)行分類,通過人臉表情識(shí)別的特點(diǎn)調(diào)節(jié)分類機(jī)中的參數(shù)。根據(jù)各種表情的識(shí)別率調(diào)整決策導(dǎo)向循環(huán)圖支持向量分類機(jī)的結(jié)構(gòu)。
　　 (5)基于以上研究實(shí)現(xiàn)自動(dòng)人臉表情識(shí)別系統(tǒng)