基于整體識別和局部識別融合的人臉表情識別.pdf

1、人臉表情識別是近幾十年來才逐漸發(fā)展起來的一個科研熱點，指利用計算機分析特定人的臉部表情及變化，進而確定其內心情緒或思想活動，實現(xiàn)人機之間更自然更智能化的交互。它在許多領域都有著潛在的應用價值，如自然和諧的人機交互、人工智能、機器視覺、安全駕駛、公共場合安全監(jiān)控、辨別謊言、電腦游戲等。故而對面部表情進行的分析與識別研究具有重要意義，是人機自然交互深入研究過程中所必須解決的重要課題。 本文首先綜述人臉表情識別的研究意義和應用以及研究

2、現(xiàn)狀，總結歸納目前的人臉表情識別方法，介紹人臉檢測和圖像預處理中的歸一化。本文重點研究以下幾個問題： 1.研究表情識別中壓縮后圖像大小對識別率的影響和PCA特征維數(shù)對識別率的影響。通過在JAFFE和CED-WYU(1.0)庫上實驗得到幾個有用的結論，一、壓縮后圖像的大小不一定是越大，識別率就能越高。當壓縮后圖像的大小達到一定的程度之后，圖像大小不再會影響識別率的高低。二、PCA特征維數(shù)選取跟選擇的分類器有很大的關系。三、壓縮后大

3、小不同圖像識別率最高時的PCA特征個數(shù)基本上相同。四、嘴識別率在PCA特征維數(shù)很小的時候就達到最高。這些結論提供一定的參考價值，為后續(xù)進行表情識別做了鋪墊。 2.研究基于Hopfield網(wǎng)調整后人臉表情圖像的非特定人表情識別。這種方法是先選取一套做得較好表情作為標準樣本，用Hopfield網(wǎng)對這個標準樣本進行訓練。再把樣本庫中的全部樣本用這個訓練好的Hopfield網(wǎng)進行調整，由于Hopfield網(wǎng)具有吸引穩(wěn)定作用，會使樣本庫中

4、樣本向標準樣本中相似的樣本靠攏，這樣相當于利用它們的相似拉開了各類表情樣本的距離，有利于后續(xù)的分類。實驗結果表明，采用Hopfield網(wǎng)調整后的識別率得到了較大的提高。 3.研究基于整體識別和局部識別的融合方法進行表情識別的方法?；谌樀恼w識別和嘴、眼睛、鼻子各局部表情識別的結果，采用多分類器組合規(guī)則再進行融合的方法，這樣融合了整體識別和局部識別的優(yōu)點。用PCA+LDA提取特征，分別用線性Bayes(LDC)和k-近鄰(KN