人脸表情识别算法研究
最大类间阈值分割法论文 局域二值模式论文 支持向量机论文 Adaboost(算法)论文
论文详情
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。
摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第1章 绪论 | 第9-15页 |
1.1 研究背景和意义 | 第9-10页 |
1.2 人脸表情识别技术的研究现状 | 第10-13页 |
1.2.1 国外研究现状 | 第10-12页 |
1.2.2 国内研究现状 | 第12-13页 |
1.3 本文的研究内容和结构 | 第13-14页 |
1.3.1 研究内容 | 第13-14页 |
1.3.2 本文章节安排 | 第14页 |
1.4 本章小结 | 第14-15页 |
第2章 人脸表情识别方法 | 第15-24页 |
2.1 人脸表情识别系统 | 第15-16页 |
2.2 人脸检测 | 第16-17页 |
2.2.1 基于统计学习的人脸检测 | 第16-17页 |
2.2.2 基于知识建模的人脸检测 | 第17页 |
2.3 面部特征提取 | 第17-19页 |
2.4 表情识别 | 第19-21页 |
2.4.1 概述 | 第19-20页 |
2.4.2 表情分类方法 | 第20-21页 |
2.5 表情数据库的选取 | 第21-22页 |
2.6 表情识别的难点 | 第22-23页 |
2.7 本章小结 | 第23-24页 |
第3章 人脸检测 | 第24-37页 |
3.1 灰度图像人脸检测原理 | 第24页 |
3.2 改进的最大类间方差阈值分割法 | 第24-26页 |
3.3 形态学处理 | 第26-30页 |
3.3.1 膨胀 | 第26-27页 |
3.3.2 腐蚀 | 第27-28页 |
3.3.3 开运算和闭运算 | 第28-30页 |
3.4 人脸区域的初步检测 | 第30-31页 |
3.5 眼睛定位 | 第31-35页 |
3.5.1 灰度积分投影法 | 第31页 |
3.5.2 灰度微分投影法 | 第31-32页 |
3.5.3 混合投影法 | 第32-35页 |
3.6 尺寸归一化 | 第35-36页 |
3.7 本章小结 | 第36-37页 |
第4章 基于LBP的表情特征提取 | 第37-48页 |
4.1 纹理特征提取 | 第37-38页 |
4.2 局域二值模式 | 第38-41页 |
4.3 LBP方法在人脸特征描述中的应用 | 第41-42页 |
4.4 表情特征的提取 | 第42-47页 |
4.5 本章小结 | 第47-48页 |
第5章 基于SVM和Adaboost融合算法的人脸表情识别 | 第48-65页 |
5.1 Adaboost算法介绍 | 第48-51页 |
5.1.1 Boosting算法背景 | 第48页 |
5.1.2 Adaboost算法的提出 | 第48-50页 |
5.1.3 Adaboost算法的训练误差 | 第50-51页 |
5.2 SVM算法介绍 | 第51-56页 |
5.2.1 统计学习理论 | 第51-53页 |
5.2.2 SVM原理 | 第53-56页 |
5.3 SVM与Adaboost算法的融合 | 第56-58页 |
5.4 SVM和Adaboost融合算法在表情识别中的应用 | 第58-59页 |
5.4.1 SVM用于多分类 | 第58页 |
5.4.2 核函数以及参数的确定 | 第58-59页 |
5.5 实验设计和结果分析 | 第59-64页 |
5.6 本章小结 | 第64-65页 |
第6章 总结与展望 | 第65-67页 |
6.1 总结 | 第65页 |
6.2 展望 | 第65-67页 |
参考文献 | 第67-73页 |
致谢 | 第73-74页 |
攻读硕士学位期间发表的论文 | 第74页 |
论文购买
论文编号
ABS559898,这篇论文共74页
会员购买按0.30元/页下载,共需支付
22.2。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
37。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文