基于视频序列的新生儿疼痛表情识别系统的研究

发布时间：2017-08-17 06:21

  本文关键词：基于视频序列的新生儿疼痛表情识别系统的研究

  更多相关文章： 表情识别 新生儿疼痛 人脸检测 目标跟踪 特征提取

【摘要】：临床实验表明,新生儿是具有疼痛感知能力的,但是新生儿自身却缺乏表述疼痛的能力,如今,研究合适的方法对新生儿的疼痛进行评估已经成为具有挑战性的课题之一。新生儿的疼痛评估工作目前多是由人工来完成,受过训练的医护人员根据各项评估技术指标来对新生儿表情进行评估,得到的评估结果或多或少会受到个人主观因素的影响,因此开发一种辅助性的客观评估系统对新生儿疼痛进行及时、客观且有效的评估具有非常重要的意义。本文对视频序列中的新生儿疼痛表情识别进行了深入的研究,并设计出相应的表情识别系统对识别过程和结果进行直观展示,本文的研究工作主要有:(1)针对表情识别中的脸部检测问题,提出使用基于肤色和Haar特征相结合的新生儿脸部检测算法。实验结果表明,基于肤色的方法能够排除掉大部分非肤色区域,缩小脸部检测范围,后续结合Haar特征,能够在脸部区域完整、角度合理的前提下,检测出不同表情和不同头部偏移角度的视频帧样本的脸部区域。(2)针对视频序列的实时性要求,使用基于金字塔Lucas-Kanade光流的目标跟踪算法对新生儿脸部区域进行跟踪,同时,针对新生儿脸部运动的不确定性,为了使跟踪效果更加准确,在光流基础上进行改进,提出采用前后向轨迹相结合的方式完成跟踪,实验表明,该方法能够在部分遮挡和头部存在一定角度偏移的情况下取得不错的跟踪效果,并且能够达到系统的实时性要求。(3)针对面部表情的识别问题,研究局部二值模式和支持向量机在新生儿疼痛表情特征提取与识别上的应用,将均匀模式和旋转不变模式相结合,并使用分块的局部二值模式提取新生儿表情特征,作为分类器的输入。针对支持向量机使用过程中的参数选择问题,本文使用网格搜索的方法对支持向量机的惩罚因子以及核函数的参数进行寻优,得到最优参数对作为系统分类识别的参数。(4)针对系统的构建以及识别结果的展示问题,采用MFC完成系统整体框架的搭建,并结合OpenCV调用库函数的方式获得相关图像处理算法。整体系统运行效果表明,本文设计的针对视频序列的新生儿疼痛表情识别系统具有较好的实时性,能够达到基本的表情识别功能,同时具有界面友好、简洁易用的优点。
【关键词】：表情识别 新生儿疼痛 人脸检测 目标跟踪 特征提取
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R722.1;TP391.41
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-16
• 1.1 研究背景及意义8-9
• 1.2 新生儿疼痛表情识别的研究现状9-10
• 1.3 新生儿疼痛表情识别中的关键技术10-14
• 1.3.1 脸部区域的检测与跟踪10-12
• 1.3.2 表情特征提取12-13
• 1.3.3 表情分类识别13-14
• 1.4 新生儿疼痛表情识别的难点14
• 1.5 论文的主要内容与章节安排14-16
• 1.5.1 主要内容14-15
• 1.5.2 章节安排15-16
• 第二章 新生儿脸部检测模块的设计与实现16-26
• 2.1 人脸检测评价标准16
• 2.2 基于肤色和Haar特征的脸部检测16-24
• 2.2.1 基于肤色的脸部区域分割17-20
• 2.2.2 候选脸部区域的筛选20-21
• 2.2.3 基于Haar特征的脸部检测21-24
• 2.3 实验结果与分析24-25
• 2.4 本章小结25-26
• 第三章 新生儿脸部跟踪模块的设计与实现26-34
• 3.1 引言26
• 3.2 光流法26-30
• 3.2.1 Lucas-Kanade光流27-28
• 3.2.2 金字塔LK光流28-30
• 3.3 前后向轨迹相结合的新生儿脸部跟踪30-33
• 3.4 本章小结33-34
• 第四章 新生儿疼痛表情识别模块的设计与实现34-53
• 4.1 基于LBP的特征提取算法研究34-38
• 4.1.1 LBP算子及其特征表示34-36
• 4.1.2 拓展的LBP算子36-38
• 4.2 基于均匀模式的旋转不变LBP38-40
• 4.3 基于支持向量机的分类算法研究40-46
• 4.3.1 SVM分类原理40-45
• 4.3.2 核函数45-46
• 4.4 基于LBP与SVM的新生儿疼痛表情识别46-52
• 4.4.1 基于LBP的新生儿疼痛特征提取46-48
• 4.4.2 基于SVM的新生儿疼痛表情分类流程48-50
• 4.4.3 参数寻优50-52
• 4.5 本章小结52-53
• 第五章 软件系统的设计与实现53-64
• 5.1 软件系统的总体设计53-56
• 5.1.1 功能描述与框架搭建53
• 5.1.2 开发工具简介53-55
• 5.1.3 设计方法55-56
• 5.2 系统界面设计与功能展示56-62
• 5.2.1 界面设计56-58
• 5.2.2 系统启动设置58
• 5.2.3 视频序列的输入与控制功能58-59
• 5.2.4 表情识别功能59-62
• 5.3 影响系统性能的因素62-63
• 5.4 本章小结63-64
• 第六章 总结与展望64-66
• 参考文献66-69
• 附录 攻读硕士学位期间参加的科研项目69-70
• 致谢70

【相似文献】

中国期刊全文数据库 前4条

1 汪亚珉,傅小兰;面部表情识别与面孔身份识别的独立加工与交互作用机制[J];心理科学进展;2005年04期

2 欧阳琰;桑农;;基于面部动作单元组合特征的表情识别[J];中国体视学与图像分析;2011年01期

3 吴奇;申寻兵;傅小兰;;微表情研究及其应用[J];心理科学进展;2010年09期

4 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 沈卓卿;俞国良;;情绪表达者的文化差异对表情识别的影响[A];第十二届全国心理学学术大会论文摘要集[C];2009年

2 章吉;陈英和;;儿童混合表情识别的发展及与基本表情识别的关系[A];增强心理学服务社会的意识和功能——中国心理学会成立90周年纪念大会暨第十四届全国心理学学术会议论文摘要集[C];2011年

3 刘芳;王志良;徐银梅;陈锋军;郭群;;应用于表情识别的黑斑特征算法的设计与实现[A];第一届中国情感计算及智能交互学术会议论文集[C];2003年

4 史光远;崔丽霞;;性别和羞怯水平对大学生面部表情识别的影响[A];第十五届全国心理学学术会议论文摘要集[C];2012年

5 曹宇嘉;郑文明;赵力;邹采荣;;基于差值模板特征的表情识别方法[A];第十二届全国图象图形学学术会议论文集[C];2005年

6 李睿凡;朱强生;郭燕慧;刘海涛;;鲁棒局部保持投影的表情识别[A];2006年首届ICT大会信息、知识、智能及其转换理论第一次高峰论坛会议论文集[C];2006年

7 韩t}t};王益文;;面孔呈现顺序对局部表情识别的影响[A];第十一届全国心理学学术会议论文摘要集[C];2007年

8 欧阳琰;桑农;;基于面部动作单元组合特征的表情识别[A];第十五届全国图象图形学学术会议论文集[C];2010年

9 罗峥;魏锦;陈凡;尹天骄;;自闭、智障与正常儿童面部表情识别的差异[A];增强心理学服务社会的意识和功能——中国心理学会成立90周年纪念大会暨第十四届全国心理学学术会议论文摘要集[C];2011年

10 张明;傅小兰;;微表情识别的背景效价效应[A];心理学与创新能力提升——第十六届全国心理学学术会议论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 王丽;智能服务机器人表情识别技术研究[D];哈尔滨工业大学;2015年

2 杨勇;基于粗糙集理论的表情识别研究[D];西南交通大学;2009年

3 李远征;人体目标跟踪和表情识别中的若干问题研究[D];西安电子科技大学;2013年

4 阮锦新;多姿态人脸检测与表情识别关键技术研究[D];华南理工大学;2010年

5 欧阳琰;面部表情识别方法的研究[D];华中科技大学;2013年

6 朱明旱;基于流形学习的人脸表情识别研究[D];中南大学;2009年

7 刘帅师;非均匀光照和局部遮挡情况下的鲁棒表情识别理论与方法研究[D];吉林大学;2012年

8 张铮;基于二维MB-LGBP特征的表情识别及其光照检测研究[D];天津大学;2010年

9 付晓峰;基于二元模式的人脸识别与表情识别研究[D];浙江大学;2008年

10 洪涛;船体建造CAD/CAM系统数据库技术及面部表情识别技术的若干研究[D];浙江大学;2003年

中国硕士学位论文全文数据库 前10条

1 贺春荣;情绪情境与训练因素对微表情识别能力影响的研究[D];山西医科大学;2012年

2 窦晓娟;大学生自卑特质对面部表情识别的影响研究[D];河北师范大学;2015年

3 刘旷;基于卷积网络集成的面部表情识别方法[D];浙江大学;2016年

4 胡建国;基于表情识别的儿童情绪能力评测系统[D];东南大学;2015年

5 温瑞梅;阈上与阈下启动范式下情绪词汇对面部表情识别的影响[D];鲁东大学;2016年

6 陈琦;负性情绪、情绪调节策略对大学生面部表情识别的影响研究[D];河北师范大学;2016年

7 刘瑶;微表情识别训练对青少年抑郁症患者执行功能影响的研究[D];山西医科大学;2016年

8 陈奇;基于混合特征提取与决策树算法的表情识别方法研究[D];长春工业大学;2016年

9 周玉华;基于微信平台的人脸识别系统研究与实现[D];江苏大学;2016年

10 张轩阁;基于动态序列的微表情识别[D];吉林大学;2016年

，

本文编号：687517