基于流形學習算法的新生兒疼痛表情識別.pdf

1、傳統(tǒng)的新生兒疼痛表情評估都是由專業(yè)的醫(yī)護人員進行人工評估，這種方法有很多局限性，如：需花費大量時間和精力培訓醫(yī)護人員、評估結(jié)果受評估者主觀因素的影響、有時不能在現(xiàn)場進行及時地評估等。隨著人臉識別和表情識別技術(shù)的發(fā)展，使得采用計算機進行新生兒疼痛表情識別成為一種可能。因此，開發(fā)一種自動的、高效的新生兒疼痛表情識別系統(tǒng)具有現(xiàn)實意義。
　　 新生兒疼痛表情識別的關(guān)鍵技術(shù)是表情特征提取，它直接影響著識別率的高低。尋找一種有效的、魯棒的特

2、征提取算法用于新生兒疼痛表情識別是本論文研究的主要內(nèi)容。研究表明，人臉圖像分布在一個非線性的流形空間中，而流形學習是近幾年出現(xiàn)的一種新的機器學習理論，它能有效地學習出數(shù)據(jù)內(nèi)部的非線性流形結(jié)構(gòu)。本論文對流形學習算法在新生兒疼痛表情識別中的應(yīng)用進行了深入研究，提出了兩種基于流形學習算法的特征提取算法，主要工作和創(chuàng)新點如下：
　　 1)對表情識別和新生兒疼痛表情識別的研究現(xiàn)狀進行了簡單地概述。比較詳細地介紹了幾種經(jīng)典的流形學習算法的原

3、理，為本論文的研究提供理論支持。
　　 2)根據(jù)研究需要，初步建立了具有東方嬰兒面部特征的新生兒面部表情數(shù)據(jù)庫。
　　 3)針對線性流形學習算法得到的投影向量通常是非正交的問題，提出了正交的等距映射(Orthogonal Isomatric Projection, O-IsoProjection)算法。該算法能夠以最佳的方式逼近嵌入在流形中的測地距離，并對降維后的子空間維數(shù)不是很敏感，能夠正確地估計出樣本的內(nèi)蘊維數(shù)。

4、r>　　 4)在模式識別理論中，特征提取的原則是提取的特征之間相關(guān)性越小越好，最好是統(tǒng)計不相關(guān)的，而線性流形學習算法所得到的特征通常是統(tǒng)計相關(guān)的。為了去除特征的相關(guān)性，提出了統(tǒng)計不相關(guān)局部敏感鑒別分析算法(Uncorrelated Locality SensitiveDiscriminant Analysis, U-LSDA)。在統(tǒng)計不相關(guān)的約束下，該算法提取出的表情特征是不相關(guān)的，使得特征的鑒別能力增強。
　　 5)將目前比