面部表情识别算法研究.pdfVIP

内容摘要 在科技飞速发展的今天，面部表情识别作为一个非常有挑战性的交叉课题，涉及图像 处理、模式识别、人工智能和情感计算等众多学科的知识和理论。对表情识别领域的研究 可以推动计算机向智能化和人性化方向更好地发展，具有非常重要的现实意义，也将会产 生可观的社会经济效益，市场前景十分广阔。 论文针对表情特征提取及分类的一系列算法进行了深入研究，提出基于二维Gabor小 波变换与支持向量机相结合的表情识别改进算法，解决了特征区域定位、特征向量提取与 分类器设计等关键问题，并以JAFFE数据库的表情图像为研究对象，通过一系列实验验 证其有效性和可行性。论文的具体工作和主要贡献如下： (1)预处理。为了有效消除包括噪声在内的与表情识别无关的干扰因素，需要首先对原 始图像进行预处理。论文提出一种新的融合算法能够进行快速准确的人眼定位；然后利用 直方图均衡化对表情图像进行光照补偿；再根据双眼坐标点的连线与水平轴的夹角，进行 旋转、裁剪及缩放的几何归一化处理。 (2)基于2DGabor小波变换的表情特征提取。面部表情识别的核心在于表情特征提取。 计算机识别面部表情之所以困难，是因为人脸是一个柔性体，对它进行精确建模的难度很 高。面部器官的位置稍有变动，表情就会发生相应变化，如何选择特征就成为决定识别精 度的关键。论文着眼于特征提取算法的重要性，进行了详细的分析，最终选取能够最大限 度地屏蔽光照条件与个体特征差异影响的2DGabor小波变换作为特征提取的方法。 (3)表情特征降维。虽然2DGabor小波提取到的特征能有效地描述面部表情特征，但 这些特征在相邻像素间仍存在高度相关和信息冗余的问题，不利于最佳分类。因此论文结 合局部特征选择法和网格粒度算法，提出一种改进算法以达到进一步提高识别率的目的。 (4)基于SVM的表情分类。支持向量机是目前主流的机器学习算法，自诞生之日起就 ▲■■■■y 赢得了众多研究人员的青睐，故此论文也将其引入面部表情识别中来解决这一非线性模式 下的小样本问题，提出一种改进的决策树多分类器模型实现了SVM在非二类情况下的多 维表情分类，将求解最终转化为二次规划问题，利用SVM分类器良好的核泛化性能优势， 可以顺利实现高识别率的表情分类。 总之，鉴于2DGabor小波变换能够有效提取静态图像的表情特征以及SVM所表现出 来的强大分类能力，算法最终在JAFFE数据库上的平均识别率达到了95％以上，获得了 预期理想效果。 关键词：表情识别人眼定位特征提取2DGabor小波支持向量机 Abstract modernscienceand are a Nowadays technologyrapidlydeveloping，asverychallenging involves recognitionimageprocessing，patternrecognition， CROSS-subject，facialexpression artificial andaffective other of and intelligence computing，andmany disciplinesknowledge fieldof researchCan the tothe theory．The recognition promote intelligent expression