參數(shù)估計(jì)的人臉表情識(shí)別算法研究.pdf

1、隨著人機(jī)交互、情感分析及情感計(jì)算等技術(shù)的深入研究，人臉表情識(shí)別技術(shù)得到了飛速的發(fā)展。面部表情是非語言交流的一種重要表現(xiàn)形式，是人們理解情感的重要途徑。人臉表情識(shí)別表現(xiàn)出重要的理論研究價(jià)值和實(shí)際應(yīng)用價(jià)值，已逐漸成為人工智能與計(jì)算機(jī)視覺領(lǐng)域熱門的研究方向。
　　近年來，基于壓縮感知的稀疏表示開始廣泛地應(yīng)用于目標(biāo)跟蹤、人臉識(shí)別等圖像處理領(lǐng)域。然而，稀疏表示分類算法忽略了類別間的協(xié)作表示對分類的影響，協(xié)作表示分類算法既充分發(fā)揮了稀疏性對分

2、類的優(yōu)勢，又兼顧了類別間的協(xié)作表示對分類的提升。但是，目前并沒有有效的協(xié)作表示分類算法應(yīng)用于人臉表情識(shí)別系統(tǒng)。針對以上問題，基于協(xié)作表示分類模型，本論文提出了基于協(xié)作表示參數(shù)估計(jì)的人臉表情識(shí)別算法，主要完成了以下三方面的研究:
　　(1)基于l2范數(shù)的協(xié)作表示分類模型，本論文對協(xié)作表示保真項(xiàng)進(jìn)行范數(shù)近似估計(jì)，并引入正則化因子對其改進(jìn)。
　　(2)在協(xié)作表示分類模型的基礎(chǔ)上，本論文提出了一種基于最大似然估計(jì)的正則化加權(quán)協(xié)作表示

3、分類算法及其模型。該算法通過對協(xié)作表示保真項(xiàng)作加權(quán)迭代分析，實(shí)現(xiàn)了人臉表情像素的自適應(yīng)權(quán)值分配，降低了邊界像素的識(shí)別干擾;通過對協(xié)作表示保真項(xiàng)作最大似然估計(jì)，使協(xié)作殘差最小化，有效提高了人臉表情識(shí)別系統(tǒng)的有效性。
　　(3)從貝葉斯估計(jì)的角度，本論文提出了基于最大后驗(yàn)估計(jì)的正則化加權(quán)協(xié)作表示分類算法及其模型。該算法通過對協(xié)作表示保真項(xiàng)作最大后驗(yàn)估計(jì)，引入先驗(yàn)因子，實(shí)現(xiàn)了對人臉表情識(shí)別系統(tǒng)的多角度、多層次的評估;通過對先驗(yàn)因子的分布