基于子空间学习的人脸特征分析及应用-计算机应用技术专业论文.docxVIP

浙江大学硕士学悦论文 摘要 摘要 人脸在人类的交流中起着重要的信息表达功能，人脸呈现的表情传递着人类 复杂的情绪和感受。但由于人脸的生理学结构非常复杂，计算机从人脸中提取的 特征常常难以直接利用。本文以基于子空间学习的特征分析为主钱，研究了三维 人脸表情识别与人脸照片合成的关键算法。 人脸的特征空间通常具有很高的维度，这给人脸的分析和理解带来很大的困 难，利用图分割方法可以将特征空间中的噪声及无关数据过滤掉，高效的压缩特 征空间，保留最有效的特征数据。文中提出了一种基于 Normalized Cut 的特征选 择算法来优化特征空间，并应用在基于三维数据的人脸表情识别上。首先计算特 征的区分度，用信息增益表示特征之间的相关度，并由此构建特征阁，利用图分 割算法法代的分割和压缩特征空间。以此方法得到的特征具有极强的区分度和极 小的关联度，而且避免了维度灾难，实验结果表明了该方法的优越性。 人脸图像上的每才、块在人脸特征空间中具有局部性的特点，利用局部坐标 编码可以将空间中的-点用其子壁问中邻近点来线性逼近，从原始空间中可以学 习别特征字典，而字典顶的编码和组合能够生成更多相近的结果。在人脸合成中， 可以利用该方法来克服训练样本的缺失或不足的问题。通过分析素描与照片图像 空间的特征关系，首先从训练集中学习出素描与照片图像块对应的字典，然后用 周部坐标编码去获得素描与照片空间的非线性关系，并用模拟退火算法来优化全 局能量，大大的提高了合成质量。 通过子空间学习及特征分析既能够将高维度高冗余的特征空间压缩过滤，得 到利用人脸分析和识别的强特征，又可扩展人脸特征空间，在人脸合成过程中增 加所需的训练样本，提高合成的质霞。基于子空间的特征分析方法可以应用在人 脸的诸多研究领域，优化传统方法的研究结果。 关键词t 子空间学习，特征分析，表情识别，照片合成 浙江太学硕士学位论文 Abstract Abstract Human face plays an important role in human communication ，facial expression shows the complex transmission of human emotions and feelings. 10 由is paper，based on subspace learning and feature analysis，we study the key algorithms of 3D facial expression recognition and facial photo s归lthesis from photo. 叽lis paper proposes facial expression recognition method based on 3D scan data. We combine both the feature selection and feature 印sion technique to dig the features which hold the strongest discriminative ability to handle the recognition problem. 丁he synthesized fea阳re 且lsed geometrically localized 也.cial features(GLF) and surface curvature features(SCF) toge由er describe the facial shape more comprehensivel 弘 Extensive experiments are carried out on the BU-3DFE database and our results outperfonn the results presented in the previous work using single features. To synthesis facial photo from sketch，we s阳dy the relationship between sketch space and photo space. Before the synthesis，the dictionaries for sketch and photo patches are leamed from training dataset. Then we use local coordinate coding to capture the nonlinear relationship between sketch and phot