微表情识别算法的研究与实现

发布时间：2021-01-05 23:19

　　微表情识别理论冲破了普通人脸识别理论的限定,使用动态方式来捕获局部信息是其主要趋势。微表情不仅短暂且变化强度较低,能够反映出人们试图隐藏的情感。训练有素的人类专家仅可以获得低检测率,而自动微表情识别系统可以获得较高的检测率。由于微表情的细微化和局部化,因此对于它的研究主要是从高频视频中提取局部动态信息来检测和分类。微表情分析包括四个步骤:面部检测,面部定位,特征提取和表达识别。重点是面部定位和特征提取,一旦检测到面部,就会找到基准点。在许多面部表情识别中,面部定位是必要的,目的是使面部正面化。特征提取过程包括两个方面:预先设计和学习。预先设计是人工提取相关信息,学习是从训练数据中自动学习。本文主要针对传统的部分微表情识别算法的不足进行改进,从而优化算法,提高算法的识别精度,具体的研究工作有以下几个方面:（1）SRC算法是微表情识别算法中较有效的一种算法,该算法运用稀疏表达和字典学习技术进行微表情识别,直接使用整套训练样本作为稀疏编码的字典,从训练样本中学习字典而不是使用预定义的字典进行学习,这样可以产生最有效的结果。然而,该算法有一个前提,即所有错误分类导致的损失是相同的。但是在一些微... 

【文章来源】：青岛大学山东省

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

面部基准点的确定

14图 3.1 CS-SRC 算法流程图固定系数矩阵Λ来描述学习词典D的方法。问题成为二次约束的2minFDX D s. t.djkk1,1,...,2 以写成 [;;...;]1 2k ，k （ k 1,2,3,...,K）是Λ的行向量，逐个新kd 时，D的所有其他列， dlkl, 是固定的，公式 3-(8)转换成2argminFlkllkkddJXddkk s. t.12 kd llkl d ，可得：2argminFkkddJYdkk s. t.12 kd 朗日乘数，上述公式等价于：

青岛大学硕士学位论文齐，如图 3.4 所示。通过 PCA 将图像的维度降低到 300。该学习字典由 540 个原子组成。PIE 数据库包括 41,386 张图像。在不同的姿势，光照和微表情下捕获面部图像该实验中，选择具有不同微表情的面部图像。如图 3.5 所示，每个图像的尺寸被裁剪为 64 64。通过 PCA 将图像的维度降低到 300，该字典的大小为 400。


本文编号：2959476