基于静态图像的人脸表情识别算法的研究

发布时间：2017-09-29 23:20

  本文关键词：基于静态图像的人脸表情识别算法的研究

  更多相关文章： 人脸表情识别 集成Gabor特征 差分二值编码 稀疏表示

【摘要】：随着信息化时代的到来,计算机已经悄然改变了人们的生活方式,成为人们日常学习、工作和生活的一部分。正是在频繁使用计算机的过程中,人们越来越期待更加友好的人机交互体验。人脸面部表情,作为人类生物特征的一部分,体现了人们内心复杂微妙的情感变化,传递着大量的情感信息。如果计算机可以根据用户的面部表情了解其内心情感,实现对人脸表情的识别,人们就可以体验更加高效、更加人性化的人机交流,同时,表情识别技术也可以用于社会生活的多种应用场景,比如智能人机交互、医疗、智能安全监控以及情感状态分析等多个领域。因此,人脸表情识别的研究对提高人们生活品质以及提供人们方便快捷的生活方式都有极其重要的作用和意义。本文针对静态图像的人脸表情识别算法进行研究,研究对象是包含单张人脸的静态表情图像,主要的研究工作包括表情特征提取方法、有效的特征选择方法以及表情分类算法的设计和实现。本文针对传统的Gabor特征存在数据冗余的缺点,提出了一种基于集成Gabor特征的稀疏人脸表情识别算法。首先,采用均值融合和差分二值编码这两种集成方法,对原始Gabor特征图进行多尺度和多角度的集成,获得26张集成Gabor特征图;然后利用所提出的基于表情识别贡献系数的特征选择方法,从26张集成Gabor特征图中选出4张作为表情图像对应的最终特征向量;最后利用训练样本的最终特征向量构建稀疏表示分类器的过完备字典,利用L1优化函数对表情图像对应的最终特征向量求解稀疏表示,再计算测试样本与每类表情的重构样本的所有重构误差,且选择最小重构误差所对应的表情作为最后的表情识别结果。实验数据显示,基于集成Gabor特征的稀疏人脸表情识别算法,能够对表情特征进行有效分离和表达,同时降低特征维数并紧凑表征数据,对表情进行正确归类。
【关键词】：人脸表情识别 集成Gabor特征 差分二值编码 稀疏表示
【学位授予单位】：沈阳工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-28
• 1.1 研究背景与意义9-15
• 1.2 人脸表情识别概述15-25
• 1.2.1 人脸表情识别研究现状15-17
• 1.2.2 人脸表情识别框架17-18
• 1.2.3 常用表情特征提取方法18-23
• 1.2.4 常用人脸表情分类方法23-25
• 1.2.5 表情识别研究中存在的难题25
• 1.3 研究内容与目标25-26
• 1.4 论文组织结构26-28
• 第2章 基于集成Gabor特征的稀疏人脸表情识别算法28-39
• 2.1 传统Gabor特征提取方法存在的问题28-29
• 2.2 算法整体流程设计29-30
• 2.3 人脸表情图片来源介绍30
• 2.4 图像预处理30-38
• 2.4.1 Adaboost人脸检测算法31-38
• 2.4.2 归一化处理38
• 2.5 本章小结38-39
• 第3章 基于集成Gabor特征的表情特征提取方法39-49
• 3.1 Gabor小波变换39-42
• 3.1.1 Gabor小波概述39-41
• 3.1.2 Gabor滤波器的设计与实现41-42
• 3.2 Gabor特征集成42-47
• 3.2.1 均值融合42-44
• 3.2.2 差分二值编码44-47
• 3.3 基于表情识别贡献系数的特征选择方法47-48
• 3.4 本章小结48-49
• 第4章 基于稀疏表示的表情识别方法49-61
• 4.1 稀疏表示的理论基础49-56
• 4.1.1 稀疏表示的求解特性49-52
• 4.1.2 L1优化问题的求解方法52-56
• 4.2 稀疏表示分类器56-60
• 4.2.1 过完备字典构建56-57
• 4.2.2 稀疏系数求解57-60
• 4.2.3 表情识别结果60
• 4.3 本章小结60-61
• 第5章 实验结果与分析61-71
• 5.1 实验说明61-62
• 5.2 实验结果与分析62-70
• 5.2.1 图像预处理62
• 5.2.2 表情特征提取62-65
• 5.2.3 特征选择方案对比65-70
• 5.3 本章小结70-71
• 第6章 结论71-73
• 参考文献73-76
• 在学研究成果76-77
• 致谢77

【参考文献】

中国期刊全文数据库 前10条

1 王小虎;黄银珍;张石清;;结合FSVM和KNN的人脸表情识别[J];微电子学与计算机;2013年10期

2 刘帅师;田彦涛;万川;;基于Gabor多方向特征融合与分块直方图的人脸表情识别方法[J];自动化学报;2011年12期

3 蒋斌;贾克斌;杨国胜;;人脸表情识别的研究进展[J];计算机科学;2011年04期

4 张发光;赵晖;;基于扩展C型HMM人脸表情识别[J];计算机应用与软件;2011年04期

5 孔健;詹永照;;基于多频域LBP-TOP的人脸表情识别[J];计算机工程;2010年15期

6 詹永照;成科扬;陈亚必;文传军;;A New Classifier for Facial Expression Recognition:Fuzzy Buried Markov Model[J];Journal of Computer Science & Technology;2010年03期

7 应自炉;李景文;张有为;;基于表情加权距离SLLE的人脸表情识别[J];模式识别与人工智能;2010年02期

8 朴林植;赵杰煜;;基于统计形状分析的人脸基本表情分析[J];宁波大学学报(理工版);2009年02期

9 朱明旱;罗大庸;王一军;;基于监督式等距映射的人脸和表情识别[J];光电工程;2009年01期

10 周书仁;梁昔明;杨秋芬;刘国英;;类间学习神经网络的人脸表情识别[J];计算机应用研究;2008年07期

，

本文编号：944818