人脸表情识别算法研究

人脸表情识别的目的是在非接触的情况下通过计算机自动识别出人脸的表情,进一步分析出人的情感或情绪,是智能化人机接口领域的一个重要研究课题。因为该课题所具备的重要研究意义和巨大的实际应用价值而引起了国内外研究人员的广泛关注。作为一个完整的识别系统,表情识别主要包括：人脸检测、特征提取和表情识别三个环节。本文在上述三个环节中所作的主要研究工作有：(1)在人脸检测部分,本文提出了改进的最大类间阈值分割法,在选取阈值时将中心像素点和邻域像素点的灰度值均值作为参考阈值,然后计算依据该阈值分割出的图像的灰度值方差,选取使得方差最大的参考阈值为最终的阈值。并将该方法的分割结果与原来方法的结果进行了对比。(2)在特征提取环节本文采用LBP算子法进行纹理特征的提取,并将经过统计得到的LBP直方图作为用于识别的特征数据。(3)在表情识别阶段,本文在深入研究SVM和Adaboost算法的基础上,提出了一种融合算法。该融合算法不但具有SVM算法在处理非线性问题、线性不可分问题和小样本问题上的优良特性,同时还具备Adaboost算法在训练弱分类器上的良好性能。从而得到了一种较为理想的分类器。(4)在采用融合算法进行多分类时,本文针对DAG SVM方法的特性,依据实验结果并综合考虑整体性能明确提出了一套用于表情识别的二分类器的组织排序结构,并得到了较好的效果。(5)本文采用JAFFE表情库作为训练样本,对上述方法的识别效果进行了验证,通过实验数据可以看到,本文提出的方法得到了较好的识别率。