基于表情識別的兒童情緒能力評測系統(tǒng).pdf

1、本文主要研究的內(nèi)容為對實時環(huán)境魯棒的表情識別系統(tǒng)，并在此基礎上得出情緒能力評測所需的重要指標。實時場景中光照、非正面、遮擋等種種復雜因素給表情識別帶來了很大的困難，為此本文做了深入的研究和大量的實驗驗證，實現(xiàn)一個對實時場景魯棒的評測系統(tǒng)。
　　本文將高速人臉特征點檢測算法引入實時表情識別，大大提高了識別速度和精度。Mean-shift DMF特征點檢測算法可以在8ms內(nèi)對分辨率為640*480的視頻幀進行精確的面部關鍵點定位。本文

2、選用了LBP、LBP-TOP、EOH、LGBP、SIFT等不同特征，并將這些特征自身的特點與特征點位置相結合制定了最佳的特征方案，使之具有更高的魯棒性和精度。主要工作可以總結如下:
　　(1)本文提出了在特征點處提取LBP特征的Pt-LBP特征方案，在識別率和實時條件下的魯棒性表現(xiàn)上都大幅優(yōu)于一般的人臉LBP特征提取方案（如5Org-LBP、PD5Org-LBP、7*7-LBP等）。
　　(2)本文提出了一種快速的SIFT特

3、征提取方案，此方案在CK+數(shù)據(jù)庫上的7類表情平均識別率達87％，而耗時也可被控制到僅為20ms/幀，滿足了實時系統(tǒng)速率上的要求。該方案在實時場景的復雜條件下也有不錯的表現(xiàn)。
　　(3)本文也將LGBP特征應用于表情識別，并提出一種該特征的快速提取方案，使其滿足實時系統(tǒng)速率要求并具有不錯的識別率和魯棒性。接著本文將提出的特征方案以及相關研究中常用的特征方案（包括PT-LBP、PT-SIFT、LGBP、5Org-LBP、PD5Org-

4、LBP、7*7-LBP、PDEOH等）結合實時系統(tǒng)可能出現(xiàn)的各種條件，進行了橫向比較（比較的范圍包括不同光照、非正面、遮擋等），然后選擇最優(yōu)方案并將之應用于系統(tǒng)。
　　(4)為了解決非正面條件下識別率大幅下降問題，本文基于人臉對稱性對非正面識別做了優(yōu)化，提高了特征方案在該條件下的魯棒性，實驗結果和實時測試中的結果都表明經(jīng)過優(yōu)化后的識別率有顯著提升。
　　(5)基于實時的表情識別以及MFC、多線程變成等技術，本文搭建了一個情緒