結(jié)合分層LBP和改進Adaboost的人臉表情識別.pdf

1、表情是人類表達情緒的基本方式之一，人臉表情在人們交流中有著重要的作用，它不僅可以準確表達人類的思想感情，而且也可以通過人臉表情來了解對方的態(tài)度和內(nèi)心世界。通過計算機理解人的情感、適應(yīng)人的自然交流方式，是未來發(fā)展趨勢。因此，人臉表情識別相關(guān)技術(shù)成為了人工智能、計算機技術(shù)、心理學(xué)、神經(jīng)學(xué)和生理學(xué)等諸多領(lǐng)域的研究熱點，并推動了一些相關(guān)學(xué)科的發(fā)展，具有重要的理論意義和實用價值，與之相關(guān)的產(chǎn)業(yè)能夠產(chǎn)生較大的經(jīng)濟和社會效益。
　　在人臉表情識

2、別過程中，特征提取和分類識別是其核心部分，決定著識別效果的好壞，因此，本文以人臉表情圖像的特征提取及分類識別方法為主要內(nèi)容進行了較深入的研究。針對現(xiàn)有表情識別算法的研究現(xiàn)狀，本文提出了結(jié)合分層LBP與改進Adaboost的人臉表情識別，主要包括以下內(nèi)容:
　　(1)在特征提取階段，首先分別介紹了LBP和Gabor小波兩種常用特征提取方法，分析兩種方法的優(yōu)缺點，然后，提出一種分層LBP的特征提取方法，采用不同分塊方式對圖像進行兩次分

3、塊，分別提取圖像的整體和局部信息，并采用權(quán)重策略對眉、眼、口所在分塊賦予更高的權(quán)值，突出其重要性，更好地提取描述人臉表情的特征信息，既解決了高維大數(shù)據(jù)問題，又實現(xiàn)了較高識別率。
　　(2)在分類識別階段，本文研究了Adaboost算法，其核心思想是針對同一訓(xùn)練集訓(xùn)練不同的若干個弱分類器，然后將其線性組合成一個更強的強分類器。算法通過調(diào)節(jié)樣本權(quán)重，使分類器更加注重那些不易區(qū)分的樣本，本文在調(diào)節(jié)樣本權(quán)重方面作了改進，不再僅僅依賴弱分類

4、器的識別效果判斷樣本的重要性，同時考慮到當前若干弱分類器組合在一起的強分類器的識別效果，即弱分類器選擇特征時更注重其在強分類器中的表現(xiàn)，這樣，增強了Adaboost分類器的性能。
　　(3)針對人臉表情多類識別問題，研究了利用Adaboost算法進行多類分類的問題，分別介紹了1對1和1對多兩種分類策略，總結(jié)了兩種策略的優(yōu)缺點，通過實驗對比，1對多分類策略雖然在分類器個數(shù)少于1對1分類策略所需訓(xùn)練的分類器個數(shù)，但后者在識別效果上遠遠