模糊设计期末报告之模糊数学在人脸识别技术中的应用.docVIP

模糊设计课期末报告 模糊数学在人脸识别技术中的应用 组员信息： 文宇 班级：F1103004 学号：5110309204 陈秋文 班级：F1103020 学号：5110309611 赵川 班级：F1103013 学号：5110309436目录 一、绪论 3 二、内容简介 4 三、人脸表情识别技术发展历史 5 四、处理使用的理论介绍 6 五、模型建立与处理基本思路 8 六、模糊处理过程 9 1、偏移参数Ms 10 2、灰度对比参数 11 3、由Ms与Rs确定的图片拟合度 12 七 、报告结语 13 绪论： 现代数学建立在集合论的基础上。一组对象确定一组属性，人们可以通过指明属性来说明概念，也可以通过指明对象来说明。符合概念的那些对象的全体叫做这个概念的外延，外延实际上就是集合。一切现实的理论系统都有可能纳入集合描述的数学框架。经典的集合论只把自己的表现力限制在那些有明确外延的概念和事物上，它明确地规定：每一个集合都必须由确定的元素所构成，元素对集合的隶属关系必须是明确的。对模糊性的数学处理是以将经典的集合论扩展为模糊集合论为基础的，乘积空间中的模糊子集就给出了一对元素间的模糊关系。对模糊现象的数学处理就是在这个基础上展开的。 内容简介 这里简略的介绍我们的作业内容：我们提出把模糊数学应用在人脸表情识别上，并为提高人脸识别的效率和识别速度，放弃了从人脸上去较多数据的方法，而选用从人脸上取一定数目的有代表性的点如眼角，嘴唇，脸颊，鼻梁，额头等来提取数据对这些点进行综合分析，判断此时人脸表情。 其中的模糊应用在于两点： 一，人的表情的描述是模糊的，需要界定并采取在判定过程中对比表情库的相似程度判定 二，从相片上提取的信息是模糊的，需建立隶属函数并计算与某表情的相似程度。 人脸表情识别技术发展历史： 表情是人类用来表达情绪的一种基本方式,是非语言交流中的一种有效手段。人们可通过表情准确而微妙地表达自己的思想感情,也可通过表情辨认对方的态度和内心世界。关于表情传递信息的作用,心理学家Mehrabian给出了一个公式:感情表露=7%的言词+38%的声音+55%的面部表情。人脸表情识别所要研究的就是如何自动、可靠、高效地利用人脸表情所传达的信息。人们对表情识别的研究可以追溯到20世纪70年代,早期主要集中在从心理学和生物学方面进行研究和分析。1971Ekman与Friesen的研究最早提出人类有六种主要情感，每种情感以唯一的表情来反映人的一种独特的心理活动。这六种情感被称为基本情感，由愤怒（anger）、高兴(happiness)、悲伤 (sadness)、惊讶(surprise)、厌恶(disgust)和恐惧(fear)组成，这个分类得到了国际上的广泛认可。后来从事这项研究的人为了能够更精确地描述人的表情，还不断丰富了表情的分类。但是由于人脸表情非常复杂,而且受种族、文化等差异的影响,目前大多数人脸表情识别的研究仅限于少数典型的表情. 然而情感化的智能交互要求机器具有接近人类的表情识别能力,为了实现该目标,就需要有更加广泛的识别范围，同时更加快捷的识别方式。因此我们在人脸表情识别技术上引入模糊数学的理论，优化识别技术。 处理使用的理论介绍： 灰度共生矩阵 概念 由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。 取图像(N×N)中任意一点 （x，y）及偏离它的另一点 （x+a，y+b），设该点对的灰度值为 （g1，g2）。令点（x，y） 在整个画面上移动，则会得到各种 （g1，g2）值，设灰度值的级数为 k，则（g1，g2） 的组合共有 k 的平方种。对于整个画面，统计出每一种 （g1，g2）值出现的次数，然后排列成一个方阵，再用（g1，g2） 出现的总次数将它们归一化为出现的概率P（g1，g2） ，这样的方阵称为灰度共生矩阵。距离差分值（a，b） 取不同的数值组合，可以得到不同情况下的联合概率矩阵。（a，b） 取值要根据纹理周期分布的特性来选择，对于较细的纹理，选取（1，0）、（1，1）、（2，0）等小的差分值。 　　当 a=1，b=0时，像素对是水平的，即0度扫描；当a=0，b=1 时，像素对是垂直的，即90度扫描；当 a=1，b=1时，像素对是右对角线的，即45度扫描；当 a=-1，b=-1时，像素对是左对角线，即135度扫描。 　　这样，两个象素灰度级同时发生的概率，就将 （x，y）的空间坐标转化为“灰度对” （g1，g2）的