基于Boosting算法的表情識別研究.pdf

1、面部表情識別是人工智能領域的一個新興的研究課題,研究目標是讓計算機能夠自動的識別出人的表情,進而分析人的情感。計算機自動面部表情識別能夠進一步增強人機交互的友好性與智能性,因此具有非常重要的研究和應用價值。在分析了目前國際上面部表情識別算法的基礎上,本文著重研究了基于Boosting算法的面部表情識別和幾種特征提取和分類的方法,并進行了相關的測試。論文的主要內(nèi)容如下： 1.從情感出發(fā)。簡單的介紹了情緒理論的基礎,介紹了表情識別的

2、研究歷史與現(xiàn)狀。討論了情感識別在國際與國內(nèi)研究的狀況,介紹了情感的基本理論和背景。并介紹了人臉表情識別的研究歷史意義,簡單介紹了表情識別庫,并針對表情識別的難點、優(yōu)勢和不足做了簡要的說明。 2.研究了人臉檢測算法以及表情圖像的預處理方法。主要使用Adaboost機器學習算法來進行表情識別,其核心意義在于通過對樣本的訓練可以將識別率較低的弱分離器變成強分類器,從而提高識別的準確率。本文對于Boosting算法做了著重的介紹,包括P

3、AC學習模型,Boosting算法的背景歷史以及算法的理論模型做了介紹。并著重介紹了Adaboost算法來歷和其算法步驟。 3.在分析了多種特征提取的算法基礎上,本文分別采用了基于積分圖原理和基于主分量分析算法(PCA)和局部二元模式(LBP)原理的分類器作為Adaboost算法的弱分類器進行表情識別,并使用人臉表情庫對結果進行測試并對測試的結果進行分析。還將其結果同其他表情識別算法進行比較?？梢缘贸鼋Y論基于上述三種算法為弱分類