基于局部关键区域和特征选择方法的微表情识别研究

发布时间：2021-04-26 14:37

　　微表情是在某种特定情境下,人们试图压抑或隐藏真实情感时,出现在脸部的短暂表情。它是人们心理活动的意识动作,能够反映出人真实的情感变化,在许多领域都有着重要的应用。然而,微表情具有持续时间短、强度小且局部发生的特点,使得计算机自动识别微表情的研究面临着巨大的挑战。针对微表情发生的特点,本文的主要工作总结如下:（1）面部在产生微表情的同时也存在一些无关的肌肉动作,现有微表情识别的全局方法会提取这些无关动作的特征向量,影响识别效果。根据微表情发生时所牵涉到的动作单元所在区域,提出了局部区域的研究方法,该方法通过面部关键点坐标,将与微表情相关的七个局部区域划分出来。首先研究面部各局部区域特征的微表情识别性能,实验结果揭示了微表情“惊奇”、“厌恶”与眼睛区域、微表情“高兴”与嘴巴区域、微表情“压抑”与下巴区域有较高的关联度;接着,提取局部组合区域的特征向量,进行微表情识别。研究结果表明局部组合区域的微表情识别效果优于全局区域方法。（2）特征描述子LBP-TOP、HOG-TOP、HIGO-TOP是微表情识别常用的特征提取方法,然而提取到的特征向量维度高、计算复杂度大、运行时间长、识别准确率低。提出... 

【文章来源】：河南理工大学河南省

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
1 绪论
    1.1 论文的研究背景及意义
    1.2 国内外的研究历史及现状
        1.2.1 国外研究历史及现状
        1.2.2 国内研究历史及现状
    1.3 微表情研究存在的主要问题
    1.4 主要研究内容及创新之处
    1.5 论文的结构安排
2 微表情自动识别技术
    2.1 微表情常用数据集
        2.1.1 SMIC数据集
        2.1.2 CASME和 CASMEII数据集
    2.2 微表情预处理方法
        2.2.1 人脸配准
        2.2.2 微表情序列的时域插值模型
    2.3 微表情特征提取方法
        2.3.1 LBP-TOP特征描述子
        2.3.2 HOG-TOP和 HIGO-TOP特征描述子
    2.4 微表情分类识别方法
    2.5 本章小结
3 基于局部区域的微表情识别方法
    3.1 引言
    3.2 全局区域微表情识别方法
    3.3 所提局部区域研究方法
        3.3.1 动作单元的标定
        3.3.2 局部关键区域划分准则
    3.4 局部区域研究的实验方法和设计
    3.5 单个局部区域的实验结果与分析
        3.5.1 各局部与全局区域微表情识别性能的对比
        3.5.2 各局部区域与微表情类别间的关联
    3.6 局部组合区域的实验结果与分析
    3.7 本章小结
4 基于特征选择的微表情识别方法
    4.1 引言
    4.2 无特征选择的微表情识别研究
        4.2.1 实验设计
        4.2.2 实验结果与分析
        4.2.3 无特征选择微表情识别的不足之处
    4.3 所提信息增量特征选择方法研究
        4.3.1 信息增量方法
        4.3.2 实验结果与分析
        4.3.3 算法性能评估
    4.4 所提Fisher特征选择方法研究
        4.4.1 Fisher特征选择方法
        4.4.2 实验结果与分析
        4.4.3 算法性能评估
    4.5 本章小结
5 总结与展望
    5.1 工作总结
    5.2 工作展望
参考文献
作者简历
学位论文数据集



本文编号：3161586