基于小波分解和優(yōu)選VLBP特征的人臉表情識別方法研究.pdf

1、人臉表情識別技術(shù)是模式識別、計(jì)算機(jī)視覺、情感計(jì)算、心理學(xué)等領(lǐng)域的一個極富挑戰(zhàn)性的交叉課題，是近年來的一個研究熱點(diǎn)。它是情感計(jì)算、智能人機(jī)交互的重要組成部分，有著廣泛的應(yīng)用前景和潛在的市場價(jià)值。人臉表情識別的研究對于增強(qiáng)計(jì)算機(jī)的智能化和人性化，開發(fā)新型人機(jī)環(huán)境，以及推動心理學(xué)等學(xué)科的發(fā)展，有著重要的現(xiàn)實(shí)意義，并最終產(chǎn)生很大的經(jīng)濟(jì)效益和社會效益。 本文主要研究了人臉表情特征提取、特征選擇過程中的一些關(guān)鍵問題，提出了一些改進(jìn)方法，并通

2、過實(shí)驗(yàn)進(jìn)行了有效性驗(yàn)證。本文的主要工作如下： (1)提出了基于小波分解的人臉表情圖像獲取方法。該方法對原始的人臉表情圖片進(jìn)行小波分解，可得到四張包含源圖像不同頻率的子圖。第一張子圖表現(xiàn)源圖像的細(xì)節(jié)信息，第二張子圖表現(xiàn)源圖像的水平邊緣信息，第三張子圖表現(xiàn)源圖像的垂直邊緣信息，而我們所要的人臉表情信息是紋理信息和形變信息，因此我們選取前三幅作為獲取到的人臉表情圖像。與未進(jìn)行小波分解圖像獲取相比，我們提出的方法為后繼的人臉表情特征提取

3、及識別提供的表情數(shù)據(jù)量減少了1/4，可適當(dāng)提高特征提取及識別的速度。 (2)提出了基于小波分解的分塊改進(jìn)VLBP特征提取方法。該方法首先對獲取到的不同頻率的人臉表情圖像采取不同分塊大小進(jìn)行分塊，然后采用分塊改進(jìn)的VLBP算法提取特征。經(jīng)過小波分解及分塊后再提取特征，可有效降低特征維數(shù)，加快識別速度。實(shí)驗(yàn)表明，該方法在識別速度提高的同時也得到了較好的表情識別率。 (3)提出了基于神經(jīng)網(wǎng)絡(luò)貢獻(xiàn)分析的特征選擇方法。由于VLBP

4、的特征維數(shù)很高，存在很多無關(guān)特征和冗余特征。本文提出了基于神經(jīng)網(wǎng)絡(luò)貢獻(xiàn)分析的人臉表情特征選擇方法，以此來降低特征維數(shù)，減少無關(guān)特征和冗余特征，同時降低計(jì)算復(fù)雜度，提高識別速度。該方法對改進(jìn)VLBP算法提取到的高維表情特征使用神經(jīng)網(wǎng)絡(luò)貢獻(xiàn)分析法進(jìn)行特征選擇，然后采用聚類性分析對選擇后的人臉表情特征進(jìn)行有效性分析，從而確定所選的特征。實(shí)驗(yàn)表明，該方法在有效降低人臉表情特征維數(shù)的同時可進(jìn)一步提高表情識別率。 (4)采用面向?qū)ο蟮脑O(shè)計(jì)方