基于模糊支持向量機(jī)與壓縮感知的人臉表情識(shí)別研究.pdf

1、人臉面部表情包含著豐富而又細(xì)膩的情感和心理信息，對(duì)面部表情的識(shí)別主要存在兩個(gè)問題，即如何有效地獲取人臉面部表情特征和如何對(duì)表情進(jìn)行有效分類。通過提取人臉特征對(duì)人臉表情進(jìn)行分類識(shí)別的方法已經(jīng)成為模式識(shí)別、機(jī)器視覺、機(jī)器人制造、圖像處理、安全、醫(yī)療、通信與人機(jī)交互等領(lǐng)域研究的重要課題。
　　本論文主要研究內(nèi)容和創(chuàng)新性工作主要包含兩個(gè)方面:
　　(1)研究了傳統(tǒng)的人臉表情識(shí)別方法，分析了各種方法的優(yōu)勢和缺點(diǎn)，并提出了一種基于模糊支

2、持向量機(jī)(FSVM)和K-近鄰算法（KNN）相結(jié)合的面部表情識(shí)別新方法。該方法首先通過主成分分析法(PCA)提取表情特征，然后該方法對(duì)于待分類區(qū)域，計(jì)算輸入樣本到所有類別的歐式距離，通過區(qū)分度函數(shù)判別分類器輸出的候選類與輸入樣本的區(qū)分度，根據(jù)區(qū)分程度進(jìn)行FSVM和KNN分類算法的自適應(yīng)切換。實(shí)驗(yàn)表明，該方法在保障了分類的精確度的同時(shí)又簡化了計(jì)算復(fù)雜度。
　　(2)為了提高人臉表情的正確識(shí)別率，提出了一種基于局部二元模式(LBP)和