面部表情識別算法研究.pdf_第1頁
已閱讀1頁,還剩61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、在科技飛速發(fā)展的今天,面部表情識別作為一個非常有挑戰(zhàn)性的交叉課題,涉及圖像處理、模式識別、人工智能和情感計算等眾多學科的知識和理論。對表情識別領域的研究可以推動計算機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)實意義,也將會產生可觀的社會經(jīng)濟效益,市場前景十分廣闊。
   論文針對表情特征提取及分類的一系列算法進行了深入研究,提出基于二維Gabor小波變換與支持向量機相結合的表情識別改進算法,解決了特征區(qū)域定位、特征向量提取

2、與分類器設計等關鍵問題,并以JAFFE數(shù)據(jù)庫的表情圖像為研究對象,通過一系列實驗驗證其有效性和可行性。論文的具體工作和主要貢獻如下:
   (1)預處理。為了有效消除包括噪聲在內的與表情識別無關的干擾因素,需要首先對原始圖像進行預處理。論文提出一種新的融合算法能夠進行快速準確的人眼定位;然后利用直方圖均衡化對表情圖像進行光照補償;再根據(jù)雙眼坐標點的連線與水平軸的夾角,進行旋轉、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。面部表情識別的核心在于表情特征提取。計算機識別面部表情之所以困難,是因為人臉是一個柔性體,對它進行精確建模的難度很高。面部器官的位置稍有變動,表情就會發(fā)生相應變化,如何選擇特征就成為決定識別精度的關鍵。論文著眼于特征提取算法的重要性,進行了詳細的分析,最終選取能夠最大限度地屏蔽光照條件與個體特征差異影響的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和信息冗余的問題,不利于最佳分類。因此論文結合局部特征選擇法和網(wǎng)格粒度算法,提出一種改進算法以達到進一步提高識別率的目的。
   (4)基于SVM的表情分類。支持向量機是目前主流的機器學習算法,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別中來解決這一非線性模式下的小樣本問題,提出一種改進的決策樹多分類器模型實現(xiàn)了SVM在非二

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(wǎng)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(jīng)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