基于词袋模型的人脸表情识别分析-facial expression recognition analysis based on word bag model.docxVIP

Wedidfacialexpression recognitionexperimentswithcomponent-basedbagofwordsmodelandadditionalspacepyramidmatchingimprovedmethodcomponent-basedbagofwordsmodelandadditionalspatial pyramidmatchingimprovedmethodonCohn-Kanadefaceimagedatabase.Theimprovedmethodobtainedamoresatisfactoryrecognitionrate,andrelativetothe originalmethod,therecognitionrateisgreatlyimproved.Key words：ExpressionrecognitionBagofwordsmodelSpatialpyramidmatchingSIFTfeatureSupportvectormachine目录摘要 IAbstract II1绪论1.1研究背景和意义 (1)1.2国内外研究现状 (2)1.3本文的的主要工作和组织结构 (4)2关键技术分析2.1基于Haar-like特征的Adaboost人脸检测(6)2.2图像预处理 (7)2.3SIFT特征(8)2.4k-means算法(9)2.5词袋模型 (10)2.6支持向量机(11)2.7本章小结 (12)3基于词袋模型的人脸表情识别方法3.1人脸表情识别问题描述 (13)3.2基于词袋模型的识别方法原理 (14)3.3基于词袋模型的识别方法框架 (16)3.4基于词袋模型的识别方法分析 (18)3.5加入空间金字塔匹配的改进识别方法 (19)3.6空间金字塔匹配改进分析 (21)3.7方法复杂度分析 (22)3.8本章小结 (24)4实验与结果分析4.1实验数据 (25)4.2人脸检测与图像预处理 (26)4.3特征提取 (28)4.4词袋模型的应用 (29)4.5空间金字塔匹配的应用 (35)4.6组件特征合并(37)4.7支持向量机分类 (38)4.8实验结果与分析 (39)4.9本章小结 (43)5总结与展望5.1全文总结 (44)5.2展望 (45)致谢 (46)参考文献 (47)1绪论1.1研究背景和意义随着智能计算设备特别是配置高清摄像装置的便携智能计算设备的迅速发展和普及，基于人脸图像的人脸及人脸组件检测跟踪、生物特性识别技术不断涌现和发展，其中一些技术例如笑脸捕捉、人脸身份识别、眼球跟踪等已经投入到日常应用。未来随着智能化应用场景和需求的不断增加，基于人脸图像的生物特性识别技术例如人脸性别识别、年龄识别、动作识别、表情识别等，由于其直接、自然而友好的人机交互体验[1]，将会得到更广泛的应用。人脸表情识别是人脸特性识别中的一个重要分支方向，它是一项通过人脸图片分析判定人处于喜怒哀乐等何种表情的技术[2]，表情是人际沟通中的重要信息，也是人心理状态和信息接受反应的重要表征，因而人脸表情识别技术能在人机交互、媒体分析和医疗等领域广泛应用。现阶段的人机交互手段除了传统而被动的键盘、鼠标、触摸输入和屏幕输出，也已经产生了像苹果公司的Siri语音助手这样具有一定智能化的语音交互方式，但基于图像特别是人脸图像的智能交互方式几乎还没有。未来随着科技的发展和人们生活品质要求的提高，机器人等智能人机交互设备将运用得越来越多，机器仅仅能识别障碍、简单与人对话是不够的，机器也要能通过人的表情了解人类的内心世界，从而更好的为人类服务[1]。受众的情绪状态对于电子教室、网络新闻站点等媒体来说具有相当重要的意义，例如电子教室的教师可以通过学生的情绪统计来判断授课效果，新闻站点常常需要收集阅读者读完一则新闻的感受。情绪和感受可以通过人脸表情判断，而表情则可以通过人脸图像识别得到。相比于人工反馈和鼠标点击操作，人脸识别技术的应用能使媒体受众信息分析工作更加直接高效。在医疗领域，人脸表情识别也能帮医生和护士起到监护病人的作用。机器检测病人的表情，将表情不正常的情况汇报给医护人员，既能减少打搅病患又能为病患提供及时而周到的帮助。虽然人脸表情识别技术具有很好的应用前景，但目前该技术仍存在着识别表情种类少、实际场景中识别率偏低、计算复杂度高、实时性差等不足[3]，该技术仍需要研究和完善。因此对人脸表情识别技术的进一步深入研究既具有科学意义也具有实用意义。1.2 国内外研究现状早在20世纪70年代，人们就开始了基于图像的人脸表情识别研究[3