基于人臉子區(qū)域加權(quán)和LDA的表情識別算法.pdf

1、人臉表情是人們?nèi)粘贤ㄖ凶钪匾囊环N表現(xiàn)特征，對于情感計算的研究發(fā)展具有重要意義。針對靜態(tài)表情圖像，單一的整體模版匹配方法特征維數(shù)較高，含有較多無關(guān)區(qū)域特征，因此很難獲得較好的識別效果。本文從幾何置信區(qū)域角度出發(fā)，采用本文給出的基于幾何先驗的加權(quán)策略進行特征融合，結(jié)合線性判別分析算法進行研究，獲得了較好的效果。
　　本論文的主要工作如下:
　　(1)給出一種基于子區(qū)域（置信區(qū)域）和多特征的加權(quán)融合特征提取算法。針對檢測區(qū)域存

2、在較多與人臉部分不相關(guān)的區(qū)域，通過給出基于幾何先驗的裁剪策略作用于檢測區(qū)域，得到更加精確的人臉及其子區(qū)域。針對人臉圖像存在表情無關(guān)區(qū)域并且單一特征描繪不準確的特點，采用Gabor小波對人臉區(qū)域進行特征提取，HOG對置信區(qū)域進行特征提取，通過研究置信區(qū)域在人臉表情中的先驗信息（敏感度）并且實驗加以論證，最終給不同的置信區(qū)域設(shè)置相應(yīng)權(quán)值，得到加權(quán)融合特征。在多個數(shù)據(jù)集上進行實驗，驗證了本文算法的有效性。
　　(2)給出一種基于類內(nèi)散度

3、矩陣修正的改進LDA算法。針對初步降維特征缺少判別特性的缺點，通過在類內(nèi)散度矩陣中引入余弦相似度信息，將每類樣本向量與其均值向量之間的夾角余弦值通過線性變換加權(quán)乘到對應(yīng)協(xié)方差矩陣中，獲得更好的類內(nèi)聚合度和類間離散度。在多個數(shù)據(jù)集上進行實驗，驗證了本文改進算法的有效性。
　　(3)構(gòu)造一種GRNN神經(jīng)網(wǎng)絡(luò)分類器首次應(yīng)用于人臉表情識別領(lǐng)域。針對傳統(tǒng)分類器對小樣本非線性數(shù)據(jù)擬合的局限性，通過對人臉表情數(shù)據(jù)特點的分析，構(gòu)造一種GRNN分類