面部表情分类算法研究

发布时间：2021-06-15 09:50

　　近些年随着科技的发展,模式识别和机器视觉领域得到越来越多的重视,面部表情识别正是其中一个重要的研究方向,特别在汽车安全驾驶监控、远程互动教学、游戏娱乐等领域有广阔的应用前景。但是目前面部表情识别存在识别速度慢、准确率低的缺点,不能满足识别快、准确率高的应用要求,因此提高识别率、缩短处理时间对面部表情识别有重要意义。本论文对面部表情识别过程进行了分析,选择基于局部二值模式（Local Binary Patterns,LBP）的改进形式进行表情图像特征提取,对表情分类则应用改进的极限学习机（Extreme Learning Machine,ELM）,主要工作如下:首先,设计一种表情采集装置,该装置的优点是:可以灵活移动,减弱光照噪声对图像识别的影响;同时可以与计算机等外部设备进行实时联系,充分利用网络资源,具有一定的应用前景和商业价值。其次,将获取的表情图像,由时域转化为对数-拉普拉斯域中,在其中进行图像预处理,对图像光照明暗不均、阴影等缺陷进行修正,进一步优化面部图像;为了提高图像特征提取时的速度,采用双局部二值模式（Double Local Binary Patterns,DLBP）,... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

表情识别应用领域

- 5 -图 2.1 微表情采集装置示意图程中，实验人员须头戴耳机观看屏幕播放验人员表情进行保存，保存的表情传输到理后的图片信息发送给计算机，计算机进行供电，维持装置的正常工作。和装置特点移动过程感光传感器、控制模块、舵机和万向轮等光照信息与已设置的参数进行比对，若光；若偏离阈值范围，则控制舵机驱动万向采集，如图 2.2 所示。

面部表情分类算法研究- 6 -图 2.2 装置感光移动示意图2.2.2 采集装置的图像采集处理过程图像采集处理的具体流程如图 2.3 所示。图像采集处理系统主要包括摄像头、图像预处理模块、WIFI 模块和计算机。图 2.3 图像采集处理过程示意图表情图像采集(S1)：通过摄像头采集被测者的面部表情图像序列，摄像头四周含有壳体，一方面可以保护摄像头不受损坏；另一方面可以遮挡侧向进入镜头的光线，有效解决周围光干扰问题，得到更优质的表情图像序列，摄像头如图 2.4 所示。

【参考文献】：
期刊论文
[1]基于改进蝙蝠算法优化支持向量机的变压器故障诊断研究[J]. 田晓飞.  黑龙江电力. 2019(01)
[2]人脸识别技术在高校管理中的系统设计与应用[J]. 李欢欢.  电子技术与软件工程. 2018(21)
[3]基于人机互动的语音识别技术综述[J]. 李雪林.  电子世界. 2018(21)
[4]指纹识别技术在身份认证中的应用与研究[J]. 刘振,王国仕,莫云,黄晓静,邹小娟.  信息记录材料. 2018(11)
[5]粒子群优化Canny算子在高精度接触角测量中的应用研究[J]. 张天,田汉民,戎小莹,赵昆越,郭丹.  河北工业大学学报. 2018(03)
[6]多因子进化算法研究进展[J]. 徐庆征,杨恒,王娜,伍国华,江巧永.  计算机工程与应用. 2018(11)
[7]融合局部特征与深度置信网络的人脸表情识别[J]. 王琳琳,刘敬浩,付晓梅.  激光与光电子学进展. 2018(01)
[8]基于积分投影和模板匹配的人眼定位算法研究[J]. 亢洁,李静.  陕西科技大学学报(自然科学版). 2017(01)
[9]基于视频图像的面部表情识别研究综述[J]. 梅英,谭冠政,刘振焘.  湖南文理学院学报(自然科学版). 2016(03)
[10]一种基于小波零树编码和K-mean聚类的图像压缩的实现[J]. 陈慧,龙飞,段智云.  软件. 2016(02)

硕士论文
[1]基于图像识别的人脸表情特征的提取分析[D]. 付雪平.深圳大学 2017
[2]基于人脸识别技术的面部表情研究[D]. 赵虹.哈尔滨理工大学 2017
[3]基于改进蚁群算法的图像边缘检测[D]. 杨丰骏.太原理工大学 2016
[4]面部反馈在微表情识别中的作用[D]. 何玲玲.湖南师范大学 2014
[5]基于SVM的人脸表情识别研究[D]. 李玉朵.河北工程大学 2012
[6]基于人脸表情识别的情感研究[D]. 朱晓明.浙江工业大学 2011
[7]自动人脸表情识别[D]. 施兴华.西安电子科技大学 2009



本文编号：3230832