微表情检测与定位关键技术研究

发布时间：2017-05-19 20:04

  本文关键词：微表情检测与定位关键技术研究，，由笔耕文化传播整理发布。

【摘要】：微表情是一种不受人类刻意控制、由内而外自发表达内心真实情感的行为,通过这种短暂、细致的真实反应提取有效非言语线索,可以准确洞察人类心理活动,相关研究涉及临床心理学及计算机科学中多个研究领域,在临床医学、国家安全、司法侦讯等领域具有实际应用意义。本文重点对微表情检测与定位关键技术进行研究,主要研究内容包括三个方面：(1)在对传统局部时空兴趣点检测算法研究分析基础上,提出了基于Mo SIFT和词袋模型的微表情兴趣点检测及特征描述算法。所提算法不需要提前定位感兴趣区域,而是直接对视频流中每帧图像进行局部时空特征提取,继而同时选用梯度方向直方图和光流方向直方图作为特征描述子获取视频片段的空间和时间特征。(2)为获得更加紧凑、准确的特征表示,所有微表情特征通过K-means算法聚类得到视觉词典,为克服传统矢量编码方法重构误差较大的不足,本文采用同步正交匹配追踪将每一个特征映射到视觉词典中,获得微表情特征的稀疏表示,并用于后续的识别和预测。(3)论文选用K-近邻和支持向量回归对前面所提特征进行了实验分析。在CK+数据库上,对数据库中四种典型表情进行分类,通过兴趣点可视化和识别率对比了STIP和Mo SIFT两种检测方法,结果显示Mo SIFT在主要面部运动单元区域能稳定地检测到较多关键点,可为后续字典学习和特征描述提供足够信息,并且取得了平均86.35%的正确识别率。在CK+数据库实验结果的基础上,使用AVEC数据库,从情感状态角度,通过支持向量回归对情感状态的四个维度：激活度(情绪是觉醒还是昏睡的程度)、期望度(情绪是惊奇的程度)、强度(受外界影响时控制自己情感的程度)、正负度(情绪表现积极还是消极)建立了预测回归模型,并预测到正确四种情感状态值的变化规律。
【关键词】：微表情 局部时空兴趣点 Mo SIFT 同步正交匹配追踪 稀疏编码 支持向量回归 情感状态
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-9
• 序言9-12
• 1 引言12-18
• 1.1 微表情研究意义12-13
• 1.2 国内外研究现状及发展趋势13-15
• 1.3 微表情研究难点分析15-16
• 1.4 论文主要内容及结构安排16-17
• 1.5 本章小结17-18
• 2 微表情时空特征检测研究18-32
• 2.1 传统STIP时空特征点检测18-21
• 2.1.1 二维Harris检测基本算法18-20
• 2.1.2 Harris3D局部时空特征检测20-21
• 2.2 基于Mo SIFT时空特征点检测21-28
• 2.2.1 尺度不变特征转换算法22-26
• 2.2.2 三维尺度不变特征转换算法26-28
• 2.3 特征描述子28-31
• 2.3.1 方向梯度直方图描述子29-30
• 2.3.2 方向光流直方图描述子30-31
• 2.4 本章小结31-32
• 3 稀疏编码及片段描述32-37
• 3.1 视觉字典学习32-33
• 3.2 特征向量稀疏表示33-35
• 3.3 片段描述35-36
• 3.4 本章小结36-37
• 4 微表情片段分类与预测37-44
• 4.1 K-近邻分类算法37-38
• 4.2 回归分析理论38-43
• 4.2.1 支持向量机基础理论38-40
• 4.2.2 支持向量回归理论40-43
• 4.3 本章小结43-44
• 5 实验结果及数据分析44-53
• 5.1 微表情数据库44-45
• 5.2 数据库CK+检测识别结果45-49
• 5.3 数据库AVEC情感状态值预测49-52
• 5.4 本章小结52-53
• 6 总结与展望53-55
• 6.1 工作总结53
• 6.2 工作展望53-55
• 参考文献55-58
• 作者简历58-60
• 学位论文数据集60

【相似文献】

中国期刊全文数据库 前10条

1 吴红娉;虞明雷;章圣洁;;图像兴趣点的可信度增强方法研究[J];计算机应用与软件;2008年12期

2 吴长春;刘阳;白云;;兴趣点在城市管理信息系统中的具体应用[J];城市管理与科技;2008年02期

3 文白;杨金婵;;美行2011冬季版详解之兴趣点[J];音响改装技术;2011年12期

4 文白;杨金婵;;美行2011冬季版详解之导航路网[J];音响改装技术;2012年01期

5 唐灿;唐亮贵;刘波;;一个面向新兴趣点发现的模糊兴趣挖掘算法[J];计算机科学;2007年06期

6 彭敏;;兴趣点:导航的回归[J];软件世界;2007年09期

7 杜吉祥;郭一兰;翟传敏;;基于局部时空兴趣点特征包的事件识别[J];南京大学学报(自然科学版);2012年01期

8 孙达;唐降龙;刘家锋;黄剑华;;基于概率密度的兴趣点检测算法[J];自动化学报;2008年08期

9 王扬扬;李一波;姬晓飞;;人体动作的超兴趣点特征表述及识别[J];中国图象图形学报;2013年07期

10 吴长春;刘阳;白云;;谈兴趣点在城市管理信息系统中的具体应用[J];测绘与空间地理信息;2008年02期

中国重要会议论文全文数据库 前5条

1 王晗;滕鹏;梁玮;;使用稠密兴趣点包的非对称风景图像检索[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【poster】[C];2011年

2 叶以生;;如何激发学生学习说明文的兴趣[A];中华教育理论与实践科研论文成果选编（第3卷）[C];2010年

3 凌贺飞;陈勇;邹复好;许治华;李平;;基于Harris兴趣点区域的图像拷贝检测算法[A];第八届全国信息隐藏与多媒体安全学术大会湖南省计算机学会第十一届学术年会论文集[C];2009年

4 王慧;;提高学生的绘画想象力[A];中华教育理论与实践科研论文成果选编（第1卷）[C];2009年

5 毛霞;;给孩子们一个支点——谈兴趣[A];全国教育科研“十五”成果论文集（第五卷）[C];2005年

中国重要报纸全文数据库 前10条

1 王震;兴趣点炮制口号甜蜜素[N];医药经济报;2012年

2 济南市平阴县玫瑰中学 李晓旭;谈在初中历史教学中对学生兴趣的培养[N];学知报;2010年

3 胡雪晶 上海厂长经理人才有限公司高级人力资源顾问;猎头要建立良好人际关系[N];组织人事报;2012年

4 张学军;多数人对工作都有“隐性兴趣”[N];北京人才市场报;2008年

5 本报记者 李望宁;微博PC端V6推发现功能 连接用户兴趣点重拾人气[N];通信信息报;2014年

6 江苏滨海县正红中学 朱泾沣;激发学习兴趣,提高学习效率[N];学知报;2010年

7 陶艳;爱动不一定就是多动症[N];大众卫生报;2007年

8 张耀芳 照金中心小学教师;让孩子幸福地成长[N];铜川日报;2010年

9 轮台县中学 柏艳丽;浅谈学生学习兴趣的培养[N];巴音郭楞日报;2009年

10 本报记者 李婧璇;中国社会科学出版社：找准兴趣点故事才生动[N];中国新闻出版报;2013年

中国博士学位论文全文数据库 前2条

1 张云菲;多源道路网与兴趣点的一致性整合方法[D];武汉大学;2015年

2 韩军伟;基于内容的图象检索技术研究[D];西北工业大学;2003年

中国硕士学位论文全文数据库 前10条

1 刘袁柳;面向LBSN的兴趣点和用户推荐方法研究[D];苏州大学;2015年

2 张淼;基于位置社交网络的兴趣点推荐方法研究[D];西南大学;2015年

3 林辰;SAP用户兴趣点分析系统后台的设计与实现[D];南京大学;2014年

4 程呈;基于差分隐私的兴趣点推荐系统的设计与分析[D];电子科技大学;2015年

5 蒋晓玲;基于用户偏好的个性化路径挖掘研究[D];东北大学;2013年

6 胡宇成;基于多特征融合的微博用户兴趣建模研究[D];哈尔滨工业大学;2014年

7 吴丽梅;基于时空兴趣点的化工厂视频监控系统设计与实现[D];电子科技大学;2014年

8 崔立伟;移动用户行为趋势分析与研究[D];西安工程大学;2015年

9 郑亚男;微表情检测与定位关键技术研究[D];北京交通大学;2016年

10 赵永华;基于显著兴趣点的多特征图像检索技术的研究[D];武汉理工大学;2014年

  本文关键词：微表情检测与定位关键技术研究，由笔耕文化传播整理发布。

本文编号：379690