人臉表情圖像特征提取方法研究與實(shí)現(xiàn).pdf

1、人臉面部表情識別是通過計(jì)算機(jī)對人臉面部由肌肉拉動所產(chǎn)生的表情圖像或視頻做特征提取工作，并按照人類目前理解經(jīng)驗(yàn)和思想認(rèn)識來實(shí)施表情歸類和表情識別，從面部信息中提取分析人類情感。表情特征提取的正確性和有用性是表情可否正確識別的關(guān)鍵。本論文的重點(diǎn)是對表情圖像特征提取方法進(jìn)行研究。本論文主要工作具體有以下幾個方面：
　　首先，詳細(xì)介紹人臉表情識別系統(tǒng)各功能模塊，研究了圖像獲取模塊和預(yù)處理模塊的原理與算法，并進(jìn)行小樣本采集實(shí)驗(yàn)，包括以下四個

2、方面：人臉檢測、圖像灰度化、圖像歸一化、光照補(bǔ)償。
　　其次，對比研究三種常見的表情特征提取算法，包括：局部二值模式（Local Binary Pattern，LBP）、局部相位量化（Local Phase Quantization，LPQ）、旋轉(zhuǎn)不變局部相位量化（Rotation Invariant Local Phase Quantization，RILPQ），在JAFFE圖像庫部分圖像特征提取實(shí)驗(yàn)，提取到特征向量灰度圖及量化

3、直方圖做研究比對。本論文在 RILPQ算法基礎(chǔ)上，引入二維高斯核方向?qū)?shù)，提出一種新的特征提取算法，即：融合高斯導(dǎo)數(shù)RILPQ算法。
　　再次，研究支持向量機(jī)（upport Vector Machine，SVM）理論并運(yùn)用SVM模式識別與回歸的軟件包 LIBSVM完成分類識別與回歸。本部分主要研究基于同向高斯核方向?qū)?shù)與 RILPQ融合的人臉表情特征提取算法程序設(shè)計(jì)，并對三個參數(shù)做大量實(shí)驗(yàn)研究，包括：方向?qū)?shù)濾波方向、濾波尺度、尺

4、度半徑，尋找到一組最佳實(shí)驗(yàn)參數(shù)，表情識別率最高為92.57％。同時，為驗(yàn)證該算法實(shí)驗(yàn)效果，通過運(yùn)行時間和表情識別率兩項(xiàng)指標(biāo)與前面的三種特征提取算法進(jìn)行比較，證明該算法運(yùn)行時間較長但是能取得較好的表情識別分類效果。
　　最后，本文又提出了一種異向高斯核方向?qū)?shù)與RILPQ融合的運(yùn)動模糊人臉表情特征提取算法。通過 JAFFE圖像庫水平方向運(yùn)動模糊處理后做特征提取進(jìn)行表情分類。實(shí)驗(yàn)證明：在模糊長度為5像素，尺度半徑為 R=9條件下，運(yùn)動