面部表情識(shí)別算法研究.pdf

1、在科技飛速發(fā)展的今天，面部表情識(shí)別作為一個(gè)非常有挑戰(zhàn)性的交叉課題，涉及圖像處理、模式識(shí)別、人工智能和情感計(jì)算等眾多學(xué)科的知識(shí)和理論。對(duì)表情識(shí)別領(lǐng)域的研究可以推動(dòng)計(jì)算機(jī)向智能化和人性化方向更好地發(fā)展，具有非常重要的現(xiàn)實(shí)意義，也將會(huì)產(chǎn)生可觀的社會(huì)經(jīng)濟(jì)效益，市場(chǎng)前景十分廣闊。
　　 論文針對(duì)表情特征提取及分類的一系列算法進(jìn)行了深入研究，提出基于二維Gabor小波變換與支持向量機(jī)相結(jié)合的表情識(shí)別改進(jìn)算法，解決了特征區(qū)域定位、特征向量提取

2、與分類器設(shè)計(jì)等關(guān)鍵問(wèn)題，并以JAFFE數(shù)據(jù)庫(kù)的表情圖像為研究對(duì)象，通過(guò)一系列實(shí)驗(yàn)驗(yàn)證其有效性和可行性。論文的具體工作和主要貢獻(xiàn)如下：
　　 (1)預(yù)處理。為了有效消除包括噪聲在內(nèi)的與表情識(shí)別無(wú)關(guān)的干擾因素，需要首先對(duì)原始圖像進(jìn)行預(yù)處理。論文提出一種新的融合算法能夠進(jìn)行快速準(zhǔn)確的人眼定位；然后利用直方圖均衡化對(duì)表情圖像進(jìn)行光照補(bǔ)償；再根據(jù)雙眼坐標(biāo)點(diǎn)的連線與水平軸的夾角，進(jìn)行旋轉(zhuǎn)、裁剪及縮放的幾何歸一化處理。
　　 (2)基

3、于2DGabor小波變換的表情特征提取。面部表情識(shí)別的核心在于表情特征提取。計(jì)算機(jī)識(shí)別面部表情之所以困難，是因?yàn)槿四樖且粋€(gè)柔性體，對(duì)它進(jìn)行精確建模的難度很高。面部器官的位置稍有變動(dòng)，表情就會(huì)發(fā)生相應(yīng)變化，如何選擇特征就成為決定識(shí)別精度的關(guān)鍵。論文著眼于特征提取算法的重要性，進(jìn)行了詳細(xì)的分析，最終選取能夠最大限度地屏蔽光照條件與個(gè)體特征差異影響的2DGabor小波變換作為特征提取的方法。
　　 (3)表情特征降維。雖然2DGabo

4、r小波提取到的特征能有效地描述面部表情特征，但這些特征在相鄰像素間仍存在高度相關(guān)和信息冗余的問(wèn)題，不利于最佳分類。因此論文結(jié)合局部特征選擇法和網(wǎng)格粒度算法，提出一種改進(jìn)算法以達(dá)到進(jìn)一步提高識(shí)別率的目的。
　　 (4)基于SVM的表情分類。支持向量機(jī)是目前主流的機(jī)器學(xué)習(xí)算法，自誕生之日起就贏得了眾多研究人員的青睞，故此論文也將其引入面部表情識(shí)別中來(lái)解決這一非線性模式下的小樣本問(wèn)題，提出一種改進(jìn)的決策樹(shù)多分類器模型實(shí)現(xiàn)了SVM在非二