基于加權(quán)矩形積分圖的人臉表情識(shí)別研究.pdf

1、近年來(lái)，隨著計(jì)算機(jī)技術(shù)的發(fā)展，面部表情識(shí)別系統(tǒng)廣泛運(yùn)用于各領(lǐng)域。人們對(duì)表情特征提取方法和分類方法進(jìn)行了深入研究，提出了許多行之有效的方法。本文綜述了課題的研究背景和意義，收集和分析了近年來(lái)國(guó)內(nèi)外大量特征提取和特征分類的研究報(bào)告和學(xué)術(shù)論文，尤其對(duì)特征提取方法進(jìn)行了深入研究，并在已有積分圖基礎(chǔ)上，提出了拓展積分圖的特征提取方法，將該方法與支持向量機(jī)(SVM)結(jié)合實(shí)現(xiàn)表情識(shí)別。
　　 本文的主要內(nèi)容如下：
　　 (1)提出將邊

2、緣檢測(cè)和Otsu閾值法結(jié)合用于二值圖像的方法。傳統(tǒng)預(yù)處理圖像時(shí)使用Otsu閾值化方法二值圖像，并根據(jù)二值化后的圖像定位人眼，這種方法不能較好的區(qū)分背景和表情圖像，并且常因閾值選擇不當(dāng)而丟失一些特征信息，邊緣檢測(cè)方法能加強(qiáng)圖像的邊緣特征，尤其是圖像的五官特征。這兩種方法結(jié)合不僅能將背景和表情圖像分開，而日五官特征顯著，使人眼定位準(zhǔn)確，有利于特征提取和表情分類。
　　 (2)提出旋轉(zhuǎn)圖像和拓展積分圖的特征提取方法。該方法首先根據(jù)Ga

3、bor的頻率和方向性定義一組加權(quán)矩形模板，然后根據(jù)Gabor小波在特征提取上的優(yōu)缺點(diǎn)以及積分圖的性質(zhì)，變換旋轉(zhuǎn)對(duì)象，提出旋轉(zhuǎn)圖像的特征提取方法，該方法使用靈活，能夠用于各種角度模板的特征提??；為了和Gabor特征提取形成對(duì)比，拓展了積分圖的概念，利用拓展積分圖提取特征。這兩種方法都模擬Gabor小波的多尺度多方向性，利用旋轉(zhuǎn)圖像積分圖和拓展積分圖求模板覆蓋范圍內(nèi)的像素灰度值和，進(jìn)而提取特征點(diǎn)的特征值。實(shí)驗(yàn)證明它們具有Gabor小波的尺度

4、和方向性，尤其是拓展積分圖實(shí)時(shí)性更好，提高了整個(gè)表情識(shí)別系統(tǒng)的效率。
　　 (3)深入研究支持向量機(jī)和Gabor小波特征提取配合使用的表情識(shí)別方法，并驗(yàn)證了它們具有較高的識(shí)別率，本文特征提取方法從Gabor特征提取演變而來(lái)，具有Gabor小波特征提取的性質(zhì)，采用支持向量機(jī)對(duì)該方法提取的特征分類。實(shí)驗(yàn)證明該特征提取方法和支持向量機(jī)結(jié)合識(shí)別率高，系統(tǒng)實(shí)時(shí)性能高。
　　 (4)采用面向?qū)ο蠹夹g(shù)設(shè)計(jì)并實(shí)現(xiàn)了人臉表情識(shí)別系統(tǒng)。該系