基于HOG特征的人脸表情识别算法研究-信号与信息处理专业论文.docxVIP

南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 人脸表情识别技术已逐渐成为计算机视觉和模式识别领域中的一个研究热点，受到越来 越多的科研人员的重视，取得了重大进展，但仍存在表情识别算法的识别率较低，对噪声鲁 棒性不高，实时性较差以及受外界环境干扰较大等亟待解决的关键问题。 针对这些问题，本文在人脸表情识别的特征提取阶段做了相关研究，主要研究工作包含 以下几个方面： 1、 采用梯度方向直方图（Histograms of Oriented Gradients，HOG）算子提取人脸表情 特征，研究了 HOG 特征提取算法。考虑到人脸图像的局部特征之间的空间排列信息，构造 图像金字塔模型，设计出一种基于 HOG 金字塔特征的人脸表情识别算法。实验结果表明， HOG 金字塔特征可以更好地表征表情图像的形状信息和局部特征之间的空间排列信息，与整 幅图像的 HOG 特征相比，特征维度降低近 2/3，在算法运行效率和识别率方面都有较为明显 的提升。 2、 根据人眼视觉特性，提出了一种基于人眼视觉亮度差的各向异性扩散滤波算法。利 用人眼在不同亮度背景下对亮度差的敏感性不同，结合梯度值修正扩散系数，区分处理面部 斑点噪声和肌肉皱褶形变所对应的弱边缘、弱细节，尽可能保留原始图像中的表情信息。提 出一种结合改进各向异性扩散滤波及 HOG 算子的人脸表情识别算法。实验结果表明，提出 算法在有效滤除噪声的同时，能够较好地保护图像的弱细节信息，且利用 HOG 算子准确提 取表情特征，是一种有效的表情识别算法。在高斯噪声和椒盐噪声环境下，能够保持较高的 识别率，对噪声具有一定的鲁棒性。 3、 在人眼视觉注意机制启发下，研究主动形状模型算法，标记人脸关键点，进行局部 HOG 特征提取。并根据多尺度分析原理将不同尺度下局部 HOG 特征进行融合，使特征信息 更加丰富。实验结果表明，基于视觉注意机制与多尺度 HOG 算子的人脸表情识别算法所提 取的表情特征为人眼、鼻梁、嘴角等关键点处的多尺度局部信息，特征维度较低，排除了冗 余信息的干扰，能够更准确地表现人脸表情的变化。 关键词: 人脸表情识别，梯度方向直方图，图像金字塔，各向异性扩散滤波，人眼视觉 特性 I Abstract Facial expression recognition draws more and more attention of researchers and it has gradually become a hot topic in the field of computer vision and pattern recognition. In recent years, the facial expression recognition technology has achieved significant development, however, there are still some key problems need to be solved urgently, such as the low recognition rate of the algorithm, the week robustness of the algorithm to noise, and the long running time of the algorithms. To solve these problems above, it mainly makes some research on feature extraction and the main research contents and innovative work are as follows. It ad