多姿態(tài)人眼定位與表情識別研究.pdf_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著計算機技術和生物醫(yī)學工程技術的飛速發(fā)展,利用人體生物特征來研究有關人體身份、語音、指紋、表情等的生物識別技術成為安全驗證的首選方式。在人工智能研究領域,人臉作為重要的生物特征,其檢測、識別和表情分析對于實現(xiàn)機器智能化起到很關鍵的作用,有著廣泛的應用前景。
   對人臉信息的處理技術隨著圖像處理和模式識別的巨大進步得到了很好的發(fā)展,但是還是受到現(xiàn)實環(huán)境中不確定因素的影響,比如說光照、姿態(tài)、表情、遮擋等。而有關表情識別的研究更是

2、受到不同人表情程度不同、同一人不同表情的影響,理論和方法都有待于完善。完整的表情識別主要包括人臉檢測與定位、人臉表情特征提取和降維以及最終的表情分類。本文主要是針對靜態(tài)圖像的多姿態(tài)人眼定位、人臉表情識別的問題做了以下工作:
   ①針對彩色圖像中人臉在復雜背景及多姿態(tài)下眼睛定位困難的情況,提出了一種基于膚色分割與Gabor濾波的人眼定位方法。首先采用粒子群算法優(yōu)化改進的最大類間方差(otsu)對圖像進行膚色分割,找到人臉的候選區(qū)

3、域;然后構造Gabor濾波器對候選區(qū)域進行濾波;最后經過灰度投影得到眼睛的位置。實驗結果表明,本文采用的膚色分割方法效果好,應用于人眼定位方面使得定位精確度高,尤其在背景復雜和多姿態(tài)的情況下也有著明顯的優(yōu)勢。
   ②研究了經典的線性人臉識別方法PCA,并將其應用到人臉表情的識別中,該方法假設輸入的數(shù)據具有全局線性結構,所以當遇到非線性流形上的數(shù)據時,處理的結果受到影響;另外研究了非線性特征提取方法核PCA、局部線性嵌入算法(L

4、LE)以及核SLLE算法,并在JAFFE人臉表情庫中實現(xiàn)了以上4種方法,結果顯示,非線性降維算法在表情識別中有著更好的結果,也進一步驗證了人臉空間可能是一個高維的非線性子空間,即位于一個非線性流形上。
   ③提出了一種融合局部特征進行表情識別的算法,針對在人臉表情中貢獻較大的人眼和人嘴,將二者融合起來進行表情識別,并賦予二者不同的權重系數(shù),比起整體的特征分析,不僅節(jié)約了計算量,也在一定程度上降低了因同一個人特征相似、不同人表情

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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。

評論

0/150

提交評論