《人脸表情识别的算法研究(学位论文-工学)》由会员分享,可在线阅读,更多相关《人脸表情识别的算法研究(学位论文-工学)(75页珍藏版)》请在金锄头文库上搜索。
1、密 级学科门类 学科、专业代 号 10701 学 号 1008120368分类号 TN919 公开题 ( 中 、 英 文 ) 目 人脸表情识别的算法研究Research of Facial Expression Recognition Algorithm作 者 姓 名 王文静 指 导 教 师 姓 名 、 职 称 杨付正 教授工学 通信与信息系统提 交 论 文 日 期 二零一三年一月西 安 电 子 科 技 大 学学 位 论 文 独 创 性 ( 或 创 新 性 ) 声 明秉 承 学 校 严 谨 的 学 风 和 优 良 的 科 学 道 德 , 本 人 声 明 所 呈 交 的 论 文 是 我 个 人
2、在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明 并 表 示 了 谢 意 。申 请 学 位 论 文 与 资 料 若 有 不 实 之 处 , 本 人 承 担 一 切 的 法 律 责 任 。本 人 签 名 : 日 期西 安 电 子 科 技 大 学关 于 论 文 使 用 授 权 的 说 明本 人 完 全 了 解 西 安 电 子 科 技 大 学 有 关 保 留 和 使
3、用 学 位 论 文 的 规 定 , 即 : 研 究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证,毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。( 保 密 的 论 文 在 解 密 后 遵 守 此 规 定 )本 学 位 论 文 属 于 保 密 , 在 年 解 密 后 适 用 本 授 权 书 。本 人 签 名 : 日 期导 师 签 名 : 日 期摘要摘 要人脸表情识别是当前国 内外模式识别和人工智 能研究领域的一个热点
4、课题。表情识别作为情感计算研究的重要组成部分 , 可以有效地促进人机交互智能系统的发展;也可以为动画表情的合成、人脸识别等领域的研究提供理论基础。如 何 从 静 态 图 像 以 及 视 频 序 列 中 获 得 更 加 准 确 和 鲁 棒 性 的 人 脸 表 情 识 别 效 果是表情识别研究的最终目标。在静态图像方面,现有识别方法提取的表情特征不够丰富,对非特定人脸的表情识别效果并不理想;在视频序列方面,当前的方法大 多 数 只 考 虑 了 光 流 运 动 特 征 , 而 忽 略 了 静 态 表 情 特 征 , 因 而 识 别 效 果 也 不 稳 定 。本文根据当前的研究现状,分别从这两方面对表
5、情识别的算法进行了改进。本 文 具 体 工 作 如 下 : 首 先 , 在 基 于 静 态 图 像 的 表 情 识 别 中 , 利 用 二 维 主 成 分分 法 析 法 2DPCA 以 及 主 成 分 分 析 法 PCA 对特征提取算法进行了改进;其次,在基于视频序列的表情识别中,利用金字塔光流法计算光流特征,并 将 光流特征和2DPCA 主 成 分 特 征 联 合 起 来 进 行 表 情 识 别 。 并 且 文 中 采 用 了 适 用 于 小 样 本 分 类 的支 持 向 量 机 SVM 分 类 器 进 行 表 情 分 类 。 实 验 结 果 表 明 本 文 引 入 的 两 种 特 征 提
6、取 算法 是 合 理 、 高 效 的 , 具 有 一 定 的 理 论 研 究 和 实 际 应 用 价 值 。关键词:表情识别 特征提取 二维主成分分析 光流 支持向量机人脸表情识别的算法研究AbstractAbstractFacial Expression Recognition is a hot research topic in the current field of patternrecognition and artificial intelligence. As an important part of emotional calculationresearch, it can e
7、ffectively promote the development of human-computer intelligentinteraction system, and can also provide theoretical basis for animation expressionsynthesis, face recognition and other areas of study.The ultimate goal of facial expression recognition is to obtain more accurate androbuster recognitio
8、n accuracy from static image and video sequence. For expressionrecognition based on static images, the expression features extracted by existingidentification methods are not rich, not accurate enough, and non-specific faceexpression recognition effect is especially not ideal. For expression recogni
9、tion basedon video sequences, most of the current methods only consider the optical flowcharacteristics, while ignoring the static characteristics of the expression, and thus therecognition effect is not stable. According to the current research of expressionrecognition, this thesis improves the fac
10、ial expression recognition algorithm from thetwo aspects respectively.The paper is organized as follows: for facial expression recognition based on staticimages, we use two-dimensional principal component analysis and principal componentanalysis to improve the feature extraction algorithm; for facia
11、l expression recognitionbased on video sequence, we use the pyramid optical flow method to calculate opticalflow feature, then combine the two-dimensional principal component feature torecognize facial expression. We use support vector machine to classify expression. Theexperimental results show tha
12、t the two kinds of feature extraction algorithms introducedby the paper are reasonable and efficient, has certain theoretical research and practicalapplication value.Keywords: facial expression feature extraction 2DPCA optical flowSVM人脸表情识别的算法研究目录目 录第一章 绪论 . 11.1 研 究 背 景 和 意 义 . 11.2 本 文 研 究 内 容 . 21.3 论 文 组 织 结 构 . 3第二章 人脸表情识别的关键技术. 52.1 表 情 库 . 52.2 人 脸 检 测 与 定 位 . 62.2.1 基 于 静 态 图 像 的 人 脸 检 测 . 72.2.2 基 于 视 频 序 列 的 人 脸 检 测 . 82.3 图 像 预 处 理 . 82.3.1 人 脸 图 像 归 一 化 . 92.3.2 直 方 图 均 衡 化 .