学位论文 > 优秀研究生学位论文题录展示

面部表情识别中若干关键技术的研究

作　者: 肖培如
导　师: 李文书
学　校: 浙江理工大学
专　业: 计算机应用技术
关键词: 面部表情识别特征提取曲波局部二元模式支持向量机 Semi-BSVM
分类号: TP391.41
类　型: 硕士论文
年　份: 2014年
下　载: 4次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来，随着计算机和信息技术的快速发展，面部表情识别技术越来越受到重视。如何准确有效地提取表情特征并进行分类已经成为一个研究的热点。本文主要研究了表情特征提取和表情分类与识别中的一些关键问题，提出了一些改进方法，并通过实验进行了有效性验证。本文的主要工作如下:提出新的特征提取方法，即LBP曲波域的表情识别。为了分类面部表情，局部的面部信息需要存储。若要获取表情的局部描述，由曲波变换处理处理过的图像，局部二值模式(LBPs)计算选定子带。本方法是非交叉验证的，并且与LBP和Gabor小波两种方法作比较，得出比较满意的检测效果,即从LBP曲波域比LBP空间域能得到更好的效果。实验结果表明该方法在一定程度上能够有效提高表情分类的精度。提出了Semi-BSVMs的表情分类识别。首先介绍引入半监督学习-贝叶斯支持向量机用于二值分类,再通过构建Semi-BSVMs分类表情，达到高识别率。用来设计减少过度臃肿的问题，半监督学习有明显的优势超过监督或归纳学习。虽然传统的支持向量机有基于标记数据的最大距离，支持向量机的半监督形式将尝试在标记与未标记的这两个数据空间中找到的最大差距。这使我们能够使用未标记数据的一些信息和提高预测的整体性能。可能性是使用一种涉及未标记数据的特殊类型的铰链损失函数。由未标记数据构建的可能部分添加一个惩罚参数。参数和处罚控制通过对多数的前数据进行客观性分析。未标记数据的学习速度反映在未标记数据的惩罚参数的后验分布。这一提法为我们提供了应提取的未标记数据的信息,而不伤害模型的整体性能上的一个控件。实验表明，此分类器对识别率有了很大的提升。

全文目录

摘要  4-5
ABSTRACT  5-9
第一章绪论  9-19
  1.1 面部表情识别概述  9-11
    1.1.1 相似的面部表情  9
    1.1.2 面部表情识别编码  9-11
  1.2 面部表情识别意义与发展  11-14
    1.2.1 面部表情识别的研究意义及应用  11-13
    1.2.2 面部表情识别的发展趋势  13-14
  1.3 重要的表情数据库  14-16
  1.4 所面临的问题  16-17
  1.5 本文主要工作内容  17
  1.6 论文大纲  17-19
第二章理论研究框架基础  19-33
  2.1 表情识别的基本框架  19-22
    2.1.1 表情图像获取  19-20
    2.1.2 面部图像规范化  20
    2.1.3 面部特征提取  20-22
    2.1.4 面部表情分类  22
  2.2 Gabor 特征提取技术  22-24
    2.2.1 小波变换原理  22-23
    2.2.2 Gabor 小波基本理论  23-24
  2.3 AdaBoost 分类算法  24-26
  2.4 SVM 分类器  26-32
    2.4.1 统计学习理论  27-29
    2.4.2 支持向量机  29-32
  2.5 本章小结  32-33
第三章基于 LBP 曲波特征提取的表情识别  33-41
  3.1 引言  33
  3.2 局部二值模式  33-34
  3.3 方法流图  34-35
  3.4 曲波变换  35-38
  3.5 曲波实验结论  38-40
    3.5.1 日本表情库  38-39
    3.5.2 Cohn-Kanade 数据库  39-40
    3.5.3 实验比较  40
  3.6 本章小结  40-41
第四章基于 Semi-BSVMs 分类的表情识别  41-53
  4.1 引言  41
  4.2 Semi-SVM 的损失函数及其属性  41-42
  4.3 Semi-BSVM 分类器模型构建  42-46
  4.4 有关算法  46-49
  4.5 实验结论  49-51
    4.5.1 实验过程  49
    4.5.2 实验结果与分析  49-51
  4.6 本章小结  51-53
第五章总结与展望  53-55
  5.1 工作总结  53
  5.2 不足与展望  53-55
参考文献  55-60
致谢  60-61
攻读学位期间的研究成果  61

面部表情识别中若干关键技术的研究

内容摘要

全文目录

相似论文