基于多尺度局部gabor二值模式复合特征的人脸表情识别的研究-计算机科学与技术专业论文.docx

目录第一章绪论11.1课题研究背景及意义11.2 国内外研究现状及其发展趋势 21.2.1 国外研究现状 21.2.2国内研究现状21.2.3发展趋势分析31.3 论文主要研究内容 31.4论文结构安排4第二章人脸表情识别综述52.1表情识别的基本步骤52.1.1图像预处理52.1.2特征提取52.1.3表情分类62.2人脸表情特征提取82.2.1原始特征提取82.2.2特征降维和抽取92.2.3特征分解92.3小结104.2图像预处理304.2.1 尺寸归一化 304.2.2 图像去噪 314.2.3 灰度均衡化 324.3复合特征334.3.1多尺度局部二值模式334.3.2多尺度局部Gabor二值模式344.4基于BP神经网络的表情分类364.5实验结果及分析384.5.1二维Gabor变化主要参数的影响与分析384.5.2MS-LGBP分区数目选择的影响和分析414.5.3同其他方法的比较42第五章总结与展望445.1论文总结445.2工作展望45参考文献 46发表论文和参加科研情况说明 50致谢 51第一章绪论在人与人的日常沟通交流中，人脸表情在协调人与人之间的相互关系方面起着十分关键的作用。人脸表情所含有的行为信息可以有效的帮助我们准确判断对方的情绪和内心活动。心里学家Mehrabian曾经指出，在日常交流的过程中，7%的信息是由语言传递，38%的信息通过声音来传递，而剩下55%的信息是通过面部表情传递的[1]。表情作为信息传递重要的媒体，含有丰富的个人情感信息，相比于其他两种方式更能体现出情绪的真实性。因而本章首先简要的介绍了人脸表情识别的研究背景，接着对国内外研究现状及其发展趋势进行阐述，最后给出了论文的主要研究内容和结构安排。1.1课题研究背景及意义人脸表情识别（facialexpressionrecognition，简称FER）就是对输入的人脸图像进行特征提取并对提取出来的特征进行计算分析，并依据人类的先验知识和思维方式进行理解和归类，进而使用计算机从中分析、判断人的表情和内心世界。人脸表情识别是一个涉及多学科、多领域的交叉研究课题，极具研究价值。近几年来，人脸表情识别越来越受到学者关注，已经成为一个热门的科研课题。它之所以受到如此的重视，是因为它在很多方面具有极其重要的研究意义和作用。（1）基础科学研究方面。人脸表情识别在语言学习的过程当中，能够有效地辅助唇读；在行为科学中，可以协助人们研究并建立沟通交流中的可信度。（2）商业应用价值。在视频会议和可视电话，以及国际间的商业和政治交流等有着重要的应用价值。表情识别还可以应用于电脑游戏中，电子游戏可以根据游戏者的喜怒哀乐做出实时的响应，使得游戏更加逼真，交互性更强，吸引力更大。（3）远程教育。可以通过表情识别器捕获学生表情并进行分析，然后将分析结果反馈给远程教师，教师依据得到的表情分析结果判断学生对授课内容的掌握程度，实时地调整教学内容和进度，以提高教学质量。（4）医疗系统。人脸表情识别可以作为一种辅助手段，帮助医生实时掌握病人的精神及身体情况，一旦病人出现痛苦等不适表情，及时发出警报，避免因延误而产生的悲剧。除此之外，人脸表情识别研究还可以应用于安全领域，如提醒司机安全驾驶、帮助公安部门对犯罪嫌疑人进行测试等。由此可见人脸表情识别的研究有着十分广阔的发展前景，在各个方面都有着重要的作用。1.2国内外研究现状及其发展趋势1.2.1国外研究现状国外在表情分析和识别领域起步比较早，已经历经 40 多年的长足发展，在此期间，每年都有大量的科研成果和论文发表。1978年，Suwa和Sugie等人就对视频人脸动画序列进行了表情分析识别研究。现在，几乎所有的知名理工类院校都有研究组在从事表情识别的研究，其中比较知名的有美国的卡内基-梅隆大学（CMU）、麻省理工学院（MIT）、马里兰大学（UMCP）和斯坦福大学（SU），日本的东京大学（Tokyo）、大阪大学、名古屋大学和 ATR 研究所等，这些高校和研究所都在表情识别领域取得了一定研究成果。其中，麻省理工学院（MIT）媒体实验室的 Pentland 等人率先提出了以表情识别为研究核心的表情自动分析概念，这一概念现在已经成为许多研究机构和学者公认的一个高新研究方向；卡内基-梅隆大学（CMU）的机器人研究所建立了CMUCohn-KanadeAU编码表情库和CMU面部姿态、光照和表情（PIE）数据库；ATR研究所建立了公用的日本面部表情数据库（JAFFE），并对对单幅静态人脸表情图像的识别进行了相关的研究。1.2.2国内研究现状相对于欧美和日本，我国在表情识别这一领域的起步略晚，开始于 20 世纪90 年代，但发展速度较快，同