学位论文 > 优秀研究生学位论文题录展示
基于表情识别的人脸特征点定位研究
作 者: 叶超
导 师: 李天瑞
学 校: 西南交通大学
专 业: 计算机应用技术
关键词: 人脸特征点定位 表情识别 主动形状模型 主动表观模型 支持向量机
分类号: TP391.41
类 型: 硕士论文
年 份: 2012年
下 载: 118次
引 用: 0次
阅 读: 论文下载
内容摘要
面部表情识别是实现智能化人机接口的一个重要方面,通过表情能够反映出人的喜、怒、哀、乐等感受及其它复杂的心理活动。在列车舒适度的评价中,将面部表情识别技术应用于评估旅客乘坐高铁、动车时的心理状况,是一种新的尝试。本文旨在探索一种实时分析旅客表情信息的方法,来评估旅客在极端工况下的心理状况反应,为评价列车舒适度提供重要的反馈信息。为了构建实时的人脸表情分析系统,本文利用快速准确的人脸特征点定位方法来获取表情特征,进而对表情特征进行分类,从而识别出人脸表情。本文重点介绍和分析了两种常用的特征点定位算法,并做出相应改进;再在特征点定位的基础上,设计了实时的人脸表情识别系统。本文的主要工作如下:1.对两种较为热点的人脸特征点定位算法:主动形状模型(Active Shape Model, ASM)和主动表观模型(Active Appearance Model, AAM)进行了介绍和实现,并分析了两种算法的优缺点。2.提出两种基于双重拟合的人脸特征点定位方法,一种是基于多分辨率AAM的双重拟合方法,另一种是基于ASM与AAM结合的双重拟合方法。两种方法的思想在于快速获得较为准确的目标初始位置,进而取得较好的人脸特征点标定结果。最后通过实验结果表明,改进算法与原始算法相比,在能保证实时的情况下,提高了拟合精度。3.通过定位出的人脸关键特征点,进行表情的特征提取,进而利用支持向量机对特征提取的数据进行训练,得到表情分类模型,从而实现对目标图像的表情分类。在基于JAFFE库中做了相关实验,验证了特征点定位应用于表情识别的有效性。4.设计了一个特征点定位和表情分析系统。该系统集成了特征点标定、修改和静态与实时环境下的人脸检测、特征点定位和表情识别等功能。
|
全文目录
摘要 6-7 Abstract 7-12 第1章 绪论 12-20 1.1 研究背景及意义 12-13 1.2 研究现状 13-18 1.2.1 特征点定位研究现状 14-16 1.2.2 表情识别研究现状 16-17 1.2.3 常用的人脸库 17-18 1.3 本文的研究工作及组织结构 18-20 第2章 人脸特征点定位算法 20-35 2.1 引言 20 2.2 主动形状模型(ASM) 20-28 2.2.1 特征点标定 20-21 2.2.2 特征点对齐 21-23 2.2.3 形状建模 23-24 2.2.4 ASM局部纹理建模 24-26 2.2.5 ASM拟合算法 26-27 2.2.6 ASM拟合实验效果 27-28 2.3 主动表观模型(AAM) 28-33 2.3.1 AAM模型建立 28-31 2.3.2 基于反向组合的AAM拟合算法 31-32 2.3.3 AAM拟合实验效果 32-33 2.4 ASM与AAM的对比分析 33-34 2.5 本章小结 34-35 第3章 双重拟合的人脸特征点定位方法 35-44 3.1 引言 35 3.2 基于MR-AAM的双重拟合的人脸特征点定位 35-37 3.2.1 反向组合单次拟合存在的缺陷 35-36 3.2.2 多分辨率AAM 36 3.2.3 双重拟合过程 36-37 3.3 基于ASM与AAM结合的人脸特征点定位 37-39 3.3.1 ASM算法存在的局限 37-38 3.3.2 ASM-AAM双重拟合方法 38-39 3.4 实验分析 39-43 3.4.1 人脸图像训练集 39-40 3.4.2 实验方法 40-41 3.4.3 实验对比分析 41-43 3.5 本章小结 43-44 第4章 基于特征点定位的表情分析 44-55 4.1 引言 44 4.2 表情特征提取方法 44-46 4.3 基于SVM的表情分类 46-49 4.3.1 SVM基本理论 46-48 4.3.2 核函数 48 4.3.3 SVM分类器的设计 48-49 4.4 基于特征点定位的表情分析实验 49-54 4.4.1 实验数据集 49-50 4.4.2 实验方法 50 4.4.3 实验描述及结果分析 50-54 4.5 本章小结 54-55 第5章 特征点定位及表情分析系统设计与实现 55-63 5.1 引言 55 5.2 系统总体框架 55-57 5.2.1 系统流程图 55 5.2.2 系统开发环境 55-56 5.2.3 系统总体框架图 56-57 5.3 系统模块介绍 57-62 5.3.1 系统界面介绍 57 5.3.2 特征点标定模块 57-58 5.3.3 人脸检测模块 58-59 5.3.4 特征提取模块 59-60 5.3.5 特征点定位模块 60-61 5.3.6 表情分析模块 61-62 5.4 本章小结 62-63 结论 63-65 致谢 65-66 参考文献 66-72 攻读硕士学位期间发表的论文及科研成果 72
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 述情障碍个体对面部表情的识别及其注意偏向的实验研究,B849
- 小学生情绪表情识别特点及其与情绪词掌握量的关系研究,B844.2
- 不匹配信道下耳语音说话人识别研究,TN912.34
- 基于文本挖掘的学者简历自动生成,TP391.1
- 基于特征选择的入侵检测研究,TP393.08
- 基于SVM的跨膜蛋白结构预测应用研究,Q51
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|