基于巡逻服务机器人平台的表情识别系统的设计与实现

发布时间：2018-03-26 13:01

本文选题：人脸表情识别　切入点：Gabor　出处：《广西师范大学》2017年硕士论文

【摘要】：随着高科技技术的不断涌现,结合“人工智能”与“互联网+”概念的产品备受青睐。产品功能对于用户来说是首要考虑因素,交互体验更能影响用户对产品评价的好坏。目前,展厅安防巡逻领域的服务型机器人具有很好的发展前景和应用价值,增加机器人情感交互功能,将使产品获得更好的交互体验。因此,结合公司真实项目背景与需求,基于现有的项目接口和OpenCV视觉开源库,设计并开发出一款基于巡逻服务机器人平台的表情识别系统。本文首先对系统的应用背景和研究意义进行概述,介绍当今国内外服务机器人表情识别的研究现状及常用的开源表情样本库,对机器人以及平台相关技术进行介绍。接着,以表情识别系统的实现流程为主线,分别介绍该流程中人脸检测、特征提取、分类训练这三大步骤的主要内容。分析现有的表情识别算法,结合实际项目需求,为本系统选择出各个步骤中合适的算法和参数,并完成开发任务。本文主要工作可归纳为:1)研究特征提取方案,实现了表情特征提取及特征降维。系统选择Gabor滤波提取表情图像特征,用主成分分析算法(Principle Component Analysis,PCA)及线性判别分析算法(Linear Discriminant Analysis,LDA)进行特征降维。论文重点研究不同的Gabor滤波窗口设置方法和特征采样策略对系统的识别性能和运算效率的影响。通过对Gabor滤波算法的分析,对窗口设置方法和局部采样策略进行实验,分析实验数据,观察实验结果,为本项目开发选择出合适的窗口设置方法和特征提取策略。2)设计SVM分类器,实现表情识别功能。研究支持向量机算法,基于双线性法和网格搜索法相结合的思路对径向基核函数模型进行设计。通过实验数据寻找径向基SVM分类器的最优参数。3)设计BP人工神经网络,实现表情识别功能。论文选择相关参数,对隐藏层进行设计,构建本系统的BP人工神经网络。通过实验数据的对比与分析,为本项目的BP神经网络选择了适合的激活函数。4)制作自定义表情样本训练库。通过使用本系统的分类器管理子系统中的样本处理功能,对JAFFE、YALE和CK+三个开源样本库进行特定处理或者对系统实时采集的表情图像进行预处理,以此构造系统的训练样本集。5)设计和实现了系统功能,并通过相关测试。按照软件工程开发流程,结合论文对表情识别过程算法的设计,使用OpenCV视觉开源库提供的API接口和机器人平台开发接口,完成了本系统的设计与实现。最后编写测试用例,对系统进行测试,获取实验数据,对支持向量机分类结果和BP神经网络分类结果进行了比较分析。通过绘制“查准率-查全率”曲线,评价分别使用SVM分类器和BP人工神经网络的表情识别系统的分类识别性能。测试结果表明,SVM分类器的训练时间要远小于BP人工神经网络,BP人工神经网络对基本表情具有更好的识别性能和分类容错性。在保证识别率的前提下,BP人工神经网络较适合于作为表情识别功能的特征分类器。在两种分类器中,高兴、生气、惊讶的识别率比害怕、厌恶、悲伤有更高的识别率。
[Abstract]:......
【学位授予单位】：广西师范大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41;TP242

【参考文献】