基于靜態(tài)圖像的人臉表情識(shí)別算法研究.pdf

1、人臉表情識(shí)別作為一項(xiàng)應(yīng)用廣泛而又具有發(fā)展?jié)摿Φ募夹g(shù)，它是生物特征識(shí)別以及人工心理學(xué)理論研究中不可或缺的一部分。表情可以反映人們的心理狀態(tài)和思想感情，因此，人臉表情識(shí)別研究有利于計(jì)算機(jī)智能地分析人的情感，從而促進(jìn)人機(jī)交互的發(fā)展，讓計(jì)算機(jī)更好地為人類服務(wù)。
　　本文主要是對(duì)靜態(tài)圖像中的人臉表情識(shí)別算法進(jìn)行分析，首先研究人臉檢測(cè)與預(yù)處理方法，并給出基于膚色提取的光照補(bǔ)償方法對(duì)人臉大致定位，在此基礎(chǔ)上，用Adaboost分類器準(zhǔn)確判斷出人

2、臉位置，仿真實(shí)驗(yàn)說明本文算法的識(shí)別率比Adaboost算法提高了9.6個(gè)百分點(diǎn)，且檢測(cè)時(shí)間比Adaboost縮短了43％，實(shí)時(shí)性較好。
　　其次，針對(duì)表情特征提取過程中的信息不全面問題，本文分別分析了Gabor小波和LDP兩種方法，結(jié)合它們各自的優(yōu)點(diǎn)，給出一種新的特征提取方法。該方法用LDP算子對(duì)提取的Gabor特征進(jìn)行編碼，然后將人臉進(jìn)行劃分，提取每一部分的直方圖譜，并以加權(quán)串聯(lián)的形式組合，形成人臉的特征向量，最后用主成分分析法

3、對(duì)其進(jìn)行降維。所提取的特征不僅滿足多方向、多尺度特性，還能有效地描述人臉表情的紋理特征以及人臉各部位間的細(xì)微差異。采用SVM分類方法并在JAFFE庫上仿真，實(shí)驗(yàn)結(jié)果表明其識(shí)別率比Gabor小波高5.8個(gè)百分點(diǎn)，比LDP高3.6個(gè)百分點(diǎn)。
　　另外，針對(duì)SVM分類器分類面上的樣本容易混淆的缺陷，本文將SVM分類方法與K近鄰判決進(jìn)行結(jié)合，提出一種K近鄰-SVM的分類算法。用JAFFE表情庫進(jìn)行仿真，實(shí)驗(yàn)結(jié)果表明K近鄰-SVM的識(shí)別率比