基于人脸分区特征融合的表情识别算法研究

发布时间：2021-02-14 20:01

　　近年来,随着人工智能技术的发展,人们对人机交互提出了更高的要求:希望计算机能“感受”用户的情绪,并做出相应的反馈。作为识别情绪的重要方法,表情识别成为一个热门的研究领域。表情识别技术广泛应用于人机交互、疲劳驾驶检测等领域,具有重要的理论价值和广泛的应用前景。本文主要研究基于人脸分区特征融合的表情识别算法,具体内容包括数据预处理、人脸分区选择算法、基于卷积神经网络的表情识别以及基于支持向量机的表情识别。在数据预处理章节中,本文首先介绍了CK+、JAFFE和NVIE数据库。对数据库中的图像,本文使用Open CV进行人脸检测,并使用Face++公司的API进行了人脸特征点检测。为提高图像的对比度,本文对所有图像进行了直方图均衡化。为校正歪斜的人脸,本文使用仿射变换的方法进行人脸旋转校正。最后,根据左眼在图像中的位置,本文对人脸图像进行了空间归一化。本文提出了基于相似度的分区选择算法,其中相似度通过图像间的平均哈希距离定义。使用该算法选出三种分区:左眼分区、右眼分区以及嘴部分区,其尺度分别为186像素、188像素和96像素。选择出的分区具有背景区域小的特点,该特点有利于提高表情识别的准确率。... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

传统机器学习方法与卷积神经网络方法在表情识别中的异同1.3主要研究内容与组织结构

第 1 章 绪 论实验将在 CK+数据库，JAFFE 数据库以及 NVIE[34-36]数据库上进行。本文不仅在各数据库上单独进行实验，而且还将在三个数据库融合的数据上进行实验，以验证在数据差异较大的情况下，本文提出方法的效果。针对以上的主要研究内容，本文研究内容工作流程如图 1-2 所示。

伤心，惊喜和中性。对每个受试者的每种表情，该数据库含有 3-4 张图像。该数据库中的每张图像中的表情都是比较强烈的，相当于 CK+数据库每个图像序列的最后几张图像。在 CK+数据库中，受试者基本为西方人。仅使用西方人的表情对算法进行评价可能有偏差。本文也将使用东方人的表情数据评价算法的性能，探究本文的算法是否对跨文化差异的表情识别依然有效。虽然 JAFFE 数据集中均为东方人脸，但是它有一定的缺点。一方面，该数据库较小，仅含 213 张图像；另一方面，它仅包含女性受试者。因此，本文还将采用 NVIE 数据库。NVIE 数据库是用中国科技大学收集，包含 100 个受试者的 7 种表情。所有的受试者都是来自中国的学生，年龄分布在 17-31 岁。相比前两个数据库，该数据库中的数据更为复杂。对每种表情，该数据库包括了三种不同光照条件的图像，光照方向分别为：正前方，左前方，右前方。除此之外，该数据库还包括了受试者戴眼镜和不带眼睛条件下的表情图像。这些因素将对表情识别的准确率产生影响。实际上，该数据库既包括可见光的图像数据，又包括红外图像数据。本文仅使用可见光数据。图 2-1 展示了三个数据库中的一些表情图像示例以及他们对应的标签。


本文编号：3033773