基于改进HOG特征的人脸表情识别研究
发布时间:2021-01-17 21:57
人脸表情识别作为应用前景十分广泛的人机交互方式之一,其相关理论和技术有待进一步深入研究。虽然人脸表情识别相关技术得到了很大的发展,但其算法的鲁棒性和准确率有待进一步得到提升。在基于图像算子的人脸识别算法中,提取到的纹理特征较为丰富,但是容易出现过拟合的现象。通过特征定位点提取的几何特征正好可以弥补这一缺点。基于深度学习的相关人脸表情识别算法虽然达到了较好的效果,但是在具体模型训练的过程中也会出现过拟合的现象。因此,针对这些问题,本文对人脸表情特征提取进行了研究,主要研究工作如下:1.提出了改进的HOG特征提取算法。针对传统HOG特征提取过程中的不足。本文在HOG特征提取时,加入了对角线像素的灰度信息,使得提取到的灰度边缘信息更加丰富。此外,对不同参数下优化后的HOG特征进行了实验。2.提出了基于纹理特征和几何特征的人脸表情识别算法。通过传统图像算子提取的表情特征虽然较为丰富,但由于含有较多冗余信息,往往会出现过拟合的现象。针对此问题,首先对人脸五官区域进行定位,提取定位区域的纹理特征。其次,利用ERT特征点定位算法对人脸表情特征点进行准确定位,根据定位到的表情特征点,提取有用的几何表情...
【文章来源】:重庆邮电大学重庆市
【文章页数】:65 页
【学位级别】:硕士
【部分图文】:
人脸表情识别系统流程图
重庆邮电大学硕士学位论文第2章人脸表情识别相关技术概述10其次,人脸表情图像的特征提取是指通过各种算法得到表情图像的纹理、形状等特征。本文对人脸表情特征的提取过程和算法进行了重要研究。2.2人脸表情特征提取方法特征提取是人脸表情识别流程中最为重要的环节之一,更是本文的研究重点。如果提取到的人脸表情特征能够很好的代表人脸表情信息,那么通过分类器训练和测试的结果将更加准确。其特征信息提取的优劣程度直接决定了分类器分类结果的精确度,能够直接影响算法的鲁棒性和稳定性。人脸表情特征提取是指通过特定算法从表情图像中提取出能够反应人脸表情的信息,是对人脸表情图像的另一种表现形式。在表情特征提取的过程中,要获取和表情变化紧密相关的特征,使其能够去除冗余信息,从而降低图像噪声对表情识别的影响。然而由于表情图像的获取冗余受到光照、角度等外在因素的影响。同一种表情图像由于受到外在因素的干扰可能会得到不同的识别结果。为了解决这些问题,研究者们提出了很多有效的各有优缺点的特征提取方法。比如Gabor[42]小波变换、局部二值模式[43]、梯度直方图HOG[44]、几何特征提取等。下面将对这些特征提取方法及其优缺点进行详细介绍。2.2.1LBP特征提取LBP[45]是用于提取局部边缘信息的一个算子。其实现算法如下图所示:图2.2LBP算子计算方法上述算法用数学公式表示如下:10(,)()2ppccpcpLBPxySgg==(2.1)1,0()0,0xSxx=(2.2)
Gabor特征
【参考文献】:
期刊论文
[1]基于AdaBoost的场景车牌号精确定位研究[J]. 王健,李中浩. 北华航天工业学院学报. 2019(06)
[2]基于视频的行人再识别[J]. 胡彬,杨铖,邵叶秦,杨赛. 南京航空航天大学学报. 2019(05)
[3]Scratch Detection Algorithm of Car Surface Based on Directional Color SUSAN Operator[J]. WANG Zhen,XIE Qiang,DING Qiulin. Transactions of Nanjing University of Aeronautics and Astronautics. 2019(03)
[4]融合卷积神经网络与Adaboost算法的病害松树识别[J]. 胡根生,殷存军,张艳,方怡,朱艳秋. 安徽大学学报(自然科学版). 2019(02)
[5]基于LBP卷积神经网络的面部表情识别[J]. 江大鹏,杨彪,邹凌. 计算机工程与设计. 2018(07)
[6]Facial expression recognition based on fusion of extended LDP and Gabor features[J]. Luo Yuan,Yu Chaojing,Zhang Yi,Wang Boyu. The Journal of China Universities of Posts and Telecommunications. 2018(01)
[7]基于不同分块多特征优化融合的人脸识别研究[J]. 贾明兴,杜俊强,宋鹏飞,田澍. 东北大学学报(自然科学版). 2017(03)
[8]基于自动提取特征点的三维人脸表情识别[J]. 岳雷,沈庭芝. 北京理工大学学报. 2016(05)
[9]局部Bagging方法及其在人脸识别中的应用(英文)[J]. 朱玉莲. Transactions of Nanjing University of Aeronautics & Astronautics. 2010(03)
[10]基于ICA与HMM的表情识别[J]. 周书仁,梁昔明,朱灿,杨秋芬. 中国图象图形学报. 2008(12)
本文编号:2983662
【文章来源】:重庆邮电大学重庆市
【文章页数】:65 页
【学位级别】:硕士
【部分图文】:
人脸表情识别系统流程图
重庆邮电大学硕士学位论文第2章人脸表情识别相关技术概述10其次,人脸表情图像的特征提取是指通过各种算法得到表情图像的纹理、形状等特征。本文对人脸表情特征的提取过程和算法进行了重要研究。2.2人脸表情特征提取方法特征提取是人脸表情识别流程中最为重要的环节之一,更是本文的研究重点。如果提取到的人脸表情特征能够很好的代表人脸表情信息,那么通过分类器训练和测试的结果将更加准确。其特征信息提取的优劣程度直接决定了分类器分类结果的精确度,能够直接影响算法的鲁棒性和稳定性。人脸表情特征提取是指通过特定算法从表情图像中提取出能够反应人脸表情的信息,是对人脸表情图像的另一种表现形式。在表情特征提取的过程中,要获取和表情变化紧密相关的特征,使其能够去除冗余信息,从而降低图像噪声对表情识别的影响。然而由于表情图像的获取冗余受到光照、角度等外在因素的影响。同一种表情图像由于受到外在因素的干扰可能会得到不同的识别结果。为了解决这些问题,研究者们提出了很多有效的各有优缺点的特征提取方法。比如Gabor[42]小波变换、局部二值模式[43]、梯度直方图HOG[44]、几何特征提取等。下面将对这些特征提取方法及其优缺点进行详细介绍。2.2.1LBP特征提取LBP[45]是用于提取局部边缘信息的一个算子。其实现算法如下图所示:图2.2LBP算子计算方法上述算法用数学公式表示如下:10(,)()2ppccpcpLBPxySgg==(2.1)1,0()0,0xSxx=(2.2)
Gabor特征
【参考文献】:
期刊论文
[1]基于AdaBoost的场景车牌号精确定位研究[J]. 王健,李中浩. 北华航天工业学院学报. 2019(06)
[2]基于视频的行人再识别[J]. 胡彬,杨铖,邵叶秦,杨赛. 南京航空航天大学学报. 2019(05)
[3]Scratch Detection Algorithm of Car Surface Based on Directional Color SUSAN Operator[J]. WANG Zhen,XIE Qiang,DING Qiulin. Transactions of Nanjing University of Aeronautics and Astronautics. 2019(03)
[4]融合卷积神经网络与Adaboost算法的病害松树识别[J]. 胡根生,殷存军,张艳,方怡,朱艳秋. 安徽大学学报(自然科学版). 2019(02)
[5]基于LBP卷积神经网络的面部表情识别[J]. 江大鹏,杨彪,邹凌. 计算机工程与设计. 2018(07)
[6]Facial expression recognition based on fusion of extended LDP and Gabor features[J]. Luo Yuan,Yu Chaojing,Zhang Yi,Wang Boyu. The Journal of China Universities of Posts and Telecommunications. 2018(01)
[7]基于不同分块多特征优化融合的人脸识别研究[J]. 贾明兴,杜俊强,宋鹏飞,田澍. 东北大学学报(自然科学版). 2017(03)
[8]基于自动提取特征点的三维人脸表情识别[J]. 岳雷,沈庭芝. 北京理工大学学报. 2016(05)
[9]局部Bagging方法及其在人脸识别中的应用(英文)[J]. 朱玉莲. Transactions of Nanjing University of Aeronautics & Astronautics. 2010(03)
[10]基于ICA与HMM的表情识别[J]. 周书仁,梁昔明,朱灿,杨秋芬. 中国图象图形学报. 2008(12)
本文编号:2983662
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/2983662.html
最近更新
教材专著