学位论文 > 优秀研究生学位论文题录展示

基于局部二元模式的人脸表情识别

作　者: 方谢燕
导　师: 应自炉
学　校: 五邑大学
专　业: 信号与信息处理
关键词: 表情识别局部二元模式 Adaboost Fisher线性判别分析 SVM 表情特征形成表情特征选择表情特征提取
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 185次
引　用: 1次
阅　读: 论文下载

内容摘要

人脸表情识别技术是涉及模式识别、图像处理、机器视觉、运动跟踪、生理学、心理学等研究领域的一个极富挑战性的交叉学科课题,是近年来模式识别与人工智能领域的一个研究热点;它是情感计算、智能人机交互的重要组成部分,有着广泛的应用前景和潜在的市场价值。本文首先分析了人脸表情识别的研究意义,然后从表情特征形成、表情特征选择与提取、分类器三个方面综述了国内外人脸表情识别的研究方法。本文着重研究了以下几个方面的问题:1、LBP算子对人脸表情特征形成的影响。研究了均匀模式LBP算子和旋转不变LBP算子,重点分析了均匀模式LBP算子不同采样点半径、不同采用点的特性。在JAFFE人脸表情数据库上验证了LBP算子用于人脸表情特征形成的有效性,比较了基于LBP_8.1^u2、LBP_8.2^u2两种算子作用于人脸表情特征形成的性能。实验结果表明LBPs_8.2^u2算子的对于人脸表情特征形成最有效。2、局部直方图统计方法对人脸表情识别的影响。研究了不同方格划分方式在人脸表情特征形成中的性能。根据古人“三庭五眼”的说法提出了3×5的方格划分方式对经LBP算子滤波后的人脸表情图像进行局部直方图统计,并与3×3、4×4、5×3三种方格划分方式进行了比较。实验结果表明前者性能优于后三者。3、基于Adaboost的人脸表情特征选择。研究了用于二分类问题的Adaboost算法,利用其较强的特征选择能力,对该算法稍加改进用于人脸表情特征选择。在JAFFE人脸表情数据库上验证了Adaboost算法在表情特征降维上的有效性并探讨了Adaboost算法选择出不同特征维数对表情识别结果的影响。4、基于Fisher线性判别分析的人脸表情特征提取。研究了Fisher线性判别分析方法,并将其性能与Adaboost算法进行了比较。实验结果表明,Adaboost算法的效果不如Fisher线性判别分析。主要原因可能在于Fisher线性判别分析后的每一个表情是多个原始表情特征的组合,而Adaboost则只具有单纯的特征选择作用。这也间接验证了局部二元模式在特征形成方面的有效性。

全文目录

摘要  3-4
ABSTRACT  4-8
第一章绪论  8-17
  1.1 目的与意义  8-9
  1.2 人脸表情识别概述  9-11
  1.3 国内外研究现状  11-15
    1.3.1 人脸表情原始特征形成  12-14
    1.3.2 人脸表情特征选择与提取  14-15
    1.3.3 人脸表情分类器  15
  1.4 本文的主要工作以及论文安排  15-17
第二章基于局部二元模式的表情特征形成  17-27
  2.1 引言  17-18
  2.2 原始LBP算子  18-20
  2.3 LBP算子扩展  20-25
  2.4 基于LBP均匀模式的局部直方图统计  25-26
  2.5 小结  26-27
第三章人脸表情特征选择与提取  27-35
  3.1 引言  27
  3.2 基于ADABOOST的人脸表情特征选择  27-30
  3.3 基于LDA的人脸表情特征提取  30-34
  3.4 小结  34-35
第四章人脸表情识别实验分析  35-55
  4.1 引言  35
  4.2 SVM原理  35-38
  4.3 人脸表情识别实验分析  38-54
    4.3.1 人脸表情数据库介绍  38-39
    4.3.2 人脸表情识别方案设计  39-40
    4.3.3 表情图像预处理  40-43
    4.3.4 基于局部二元模式的表情特征形成  43-48
    4.3.5 基于Adaboost特征选择的人脸表情识别  48-50
    4.3.6 人脸表情识别算法性能比较  50-54
  4.4 小结  54-55
总结与展望  55-56
参考文献  56-61
攻读硕士学位期间发表的学术论文  61-62
致谢  62

基于局部二元模式的人脸表情识别

内容摘要

全文目录

相似论文