基于二维MB-LGBP特征的表情识别及其光照检测研究的开题报告.docxVIP

基于二维MB-LGBP特征的表情识别及其光照检测研究的开题报告

一、研究背景与意义

表情识别技术是计算机视觉领域的研究热点之一，目前广泛应用于人机交互、面部表情分析、社交媒体等领域。然而，在实际应用中，由于场景环境、光照条件以及人脸姿态等因素的影响，表情识别技术的准确率和鲁棒性还存在一定的挑战。

为了提高表情识别技术的准确率和鲁棒性，近年来，越来越多的研究者将局部二值特征（LBP）应用于表情识别中，并取得了一定的成果。然而，现有的LBP方法存在缺陷，比如对光照不敏感、模式识别无法解决多位不同人物同时出现等问题。

为此，本文提出了一种基于二维MB-LGBP特征的表情识别方法。该方法在二维LBP特征的基础上，引入了多尺度和方向量化的思想，能够更好地描述不同尺度和方向上的面部局部图像特征。同时，针对光照条件的不同，本文也将研究光照不变性的问题，在表情识别中进行光照检测并进行相应的纠正，以提高表情识别的鲁棒性和准确率。

二、研究内容及方法

1.提出基于二维MB-LGBP特征的表情识别方法

本文将基于计算局部二值模式（LBP）的方法进行表情识别。首先使用Haar级联检测器检测面部区域，然后把面部分为重叠的网格，在每个网格内进行2D-MB-LGBP特征提取，并对其进行多尺度和方向量化的处理。最后，将提取到的特征输入基于SVM的分类器，进行表情识别。

2.进行光照检测并进行相应的纠正

在实际应用中，由于光照条件的不同，同一人在不同光照条件下的面部表情特征会有很大的差异。因此，本文将研究光照检测的问题，通过分析图像亮度和对比度等特征，判断光照条件是否发生了变化，并采用基于颜色空间的方法进行光照纠正，以提高表情识别的准确率和鲁棒性。

三、研究计划及进度

1.确定研究内容，完成文献调研：2周

2.搭建实验环境，编写算法：4周

3.实验验证，数据处理与分析：4周

4.撰写论文及答辩准备：2周

四、预期成果

1.提出一种基于二维MB-LGBP特征的表情识别方法，可以提高表情识别的准确率和鲁棒性；

2.研究光照检测的问题，提出一种基于颜色空间的光照纠正方法，可以提高表情识别的准确率和鲁棒性；

3.实验验证结果，可以充分说明提出的方法的有效性和实用性。

五、存在的问题与挑战

本文研究的内容较为复杂，存在一些实际应用中的问题和挑战，如光照变化较大时的识别准确率较低，以及部分人脸特征暴露在阴影区域无法有效识别等。本文将针对这些问题进行充分的分析和改进，力求提高方法的准确度和鲁棒性。