学位论文 > 优秀研究生学位论文题录展示

基于局部特征和Adaboost的人脸表情识别研究

作　者: 胡尊涛
导　师: 郎利影
学　校: 河北工程大学
专　业: 计算机应用技术
关键词: 局部特征 Harr型特征 AAM Adaboost多表情分类算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 48次
引　用: 0次
阅　读: 论文下载

内容摘要

人脸面部表情能够从侧面展现人心以状态,体现出人的行为信息,为我们研究人的心里活动提供了可靠的依据,人脸表情识别是建立在人脸面部丰富感情信息基础上发展起了的一门学科。目前用于人脸表情识别主要的方法有:欧式距离、支持向量机(SVM)、神经网络(NN)、隐马尔科夫(HMM)、Adaboost和线性判别分析(LDA)等等。Adaboost算法由于具有速度快、检测率高等优点,已被成功地应用在人脸检测领域,由于人脸表情变化绝大部分存在于眼睛和嘴巴上,基于此本文把眼睛和嘴巴看成独立的特征要素,利用Adaboost多表情分类算法对这些特征分别进行训练、提取与分类,再把眼睛和嘴巴的分类结果进行与运算,获得最终的人脸表情识别结果,这种方法可以大大减少冗余,降低训练的时间,提高阂值训练速度。但要把Adaboost算法用于人脸的多表情识别分类中,关键的问题是准确快速地训练出弱分类器阈值。特征训练是弱分类器阈值计算最关键的部分,而传统的训练样本是任意含有人脸表情的图像,本文中对训练样本进行改进,正样本是含了有眼睛和嘴巴的图像以及完整的人脸图像,而负样本采用的是去掉眼睛和嘴巴的人脸图像,利用此种方法训练出来的弱分类器误检率几乎接近于零,能够显著地提高识别分类效果。

全文目录

摘要  6-7
Abstract  7-10
第1章绪论  10-15
  1.1 论文选题的科学意义和应用前景  10-11
  1.2 国内外人脸表情识别研究现状  11-13
  1.3 本文研究内容和论文组织  13-14
    1.3.1 研究内容  13
    1.3.2 论文组织  13-14
  1.4 本章小结  14-15
第2章人脸面部表情知识概述  15-23
  2.1 人脸表情空间模型  15-17
  2.2 人脸局部特征运动与情感关系  17-19
  2.3 人脸表情识别算法概述  19-21
  2.4 表情识别框架  21-22
  2.5 本章小结  22-23
第3章局部特征与活动外观模型(AAM)在特征提取中的研究  23-32
  3.1 图像预处理  23-25
  3.2 局部特征  25-26
  3.3 Harr特征  26-27
  3.4 AAM模型  27-31
    3.4.1 AAM模型简介  27-29
    3.4.2 AAM的生成  29-30
    3.4.3 AVM方法的Harr特征提取  30-31
  3.5 本章小结  31-32
第4章 Adaboost人脸表情识别研究  32-37
  4.1 Adaboost算法基本思想  32-35
    4.1.1 矩形特征  32
    4.1.2 积分图像  32-33
    4.1.3 强分类器与弱分类器  33-34
    4.1.4 级联分类器  34-35
  4.2 Adaboost多表情分类算法(MultiClass Adaboost)  35-36
  4.3 本章小结  36-37
第5章实验结果与分析  37-42
  5.1 人脸表情数据库简介  37-38
  5.2 仿真实验的过程  38-40
    5.2.1 表情库的选择与预处理  38-39
    5.2.2 样本的训练  39
    5.2.3 表情特征的提取分类  39-40
  5.3 实验模拟仿真结果  40
  5.4 实验对比与分析  40-41
  5.5 本章小结  41-42
第6章总结与展望  42-44
  6.1 总结  42
  6.2 未来工作展望  42-44
致谢  44-45
参考文献  45-48
作者简介  48-49
攻读硕士学位期间发表的论文和科研成果  49

基于局部特征和Adaboost的人脸表情识别研究

内容摘要

全文目录

相似论文