《基于变阈值局部二值模式的人脸表情识别方法的研究》由会员分享，可在线阅读，更多相关《基于变阈值局部二值模式的人脸表情识别方法的研究（39页珍藏版）》请在金锄头文库上搜索。
1、目录目录摘要 .IABSTRACT .II第一章 绪论 .1第一节 课题研究背景及意义.1第二节 本论文的主要工作.7第二章 人脸图像分析技术常用方法 .8第一节 人脸检测常用方法.8一、基于特征的方法.9二、基于支持向量机的方法.9第二节 人脸识别常用方法.10一、基于特征脸的识别方法.10二、弹性图匹配方法.10三、基于非线性数据降维的方法.11第三节 本章小结.12第三章 局部二值模式（LBP） .13第一节 关于 LBP 的介绍.13第二节 LBP 方法的优点与不足 .20第三节 本章小结.20第四章 变阈值局部二值模式 .21第一节 变阈值局部二值式的定义与性质.21第二节 基于变阈
2、值局部二值模式的纹理特征提取.24第三节 本章小结.25第五章 基于变阈值局部二值式人脸表情识别的实现及实验结果 .26第一节 基于变阈值局部二值式的人脸表情识别的实现.26第二节 实验讨论变阈值 的调整.27第三节 实验设计与结果分析.28第四节 总结与展望.31一、 总结已有工作.31二、 对未来的展望.31致谢 .32参考文献 .33I摘要摘要作为智能化人机交互技术中的一个重要组成部分，人脸表情识别越来越受到重视，它是涉及模式识别、机器视觉、图像处理、心理学等研究领域的一个极富挑战性的交叉课题之一，是近年来模式识别与人工智能领域的一个研究热点。一般而言，人脸表情识别主要有四个基本部分组成
3、：表情图像获取、表情图像预处理、表情特征提取和表情分类。本文重点集中在对表情特征提取问题的研究上，研究工作如下：本文提出了一种 LBP 的扩展形式，即变阈值局部二值模式。变阈值局部二值模式通过引入变阈值 扩展了变换后的特征空间，并且可以通过调整变阈值 的值在特征空间基于改进 LBP 的人脸表情识别方法中寻找适合于特定分类问题的子空间。经过改进，变阈值局部二值模式对于噪声和光照变化相对于 LBP更加鲁棒，而且特征抽取的过程也能够相对灵活。最后本文以变阈值局部二值模式直方图作为特征向量，采用2概率统计来计算各特征向量的距离，选用最近邻分类器进行特征分类，求出识别率。我们使用 matlab 语言将上
4、述算法应用于人脸表情识别，取得了较好的识别效果。关键字：关键字：人脸表情识别，特征提取，LBP，变阈值局部二值模式 IIABSTRACTABSTRACTAs an important part of the technology for man-machine interaction, more and more attention to facial expression recognitionIt is one of the most challenging problems in the fields of pattern recognition, machine vision, ima
5、ge processing and psychology, and it has become a hot research topic in the field of pattern recognition and artificial intelligence in recent yearsGenerally speaking，facial expression recognition included four parts：expression image acquisition, expression image preprocessing，facial feature extract
6、ion and expression classificationIn this thesis we focused on the problem of facial feature extraction. My primary work was summarized as follow：This improved LBP is we called local thresholdLocal threshold extends the feature space through the introduction of parameter changeable threshold, and can
7、 find a suitable for a particular classification by adjusting the value of changeable threshold in the feature spaceLocal threshold is more robust to LBP for noise and illumination changes，and feature extraction process can also be relatively flexibleFinally we use local threshold histogram as featu
8、re vectors，using 2 probability statistics to calculate the distance between each feature vectors，choosing the nearest neighbor classifier for feature classification, and then calculate recognition rateThe above algorithm had been applied to facial expression recognition by using the matlab language，
9、and after the simulation achieved a better recognition effectKeywordsKeywords：facial expression recognition, feature extraction, LBP, local threshold ,expression classificationIII1第一章第一章 绪论绪论第一节第一节 课题研究背景及意义课题研究背景及意义上世纪 90 年代，Pentland 提出了著名的特征脸方法。此后，基于统计的人脸识别方法就成了人脸识别的主流方法。人脸表情在人们的交流中起着非常重要的作用，是人们进行
10、非语言交流的一种重要方式。表情含有丰富的人体行为信息，是情感的主载体，包含了丰富的情感信息，通过脸部表情能够表达人的微妙的情绪反应以及人类对应的心理状态，由此可见表情信息在人与人之间交流中的重要性。人脸表情识别技术随着人们对表情信息的日益重视而受到关注，成为目前一个研究的热点。所谓人脸表情识别就是利用计算机对人脸的表情信息进行特征提取并分类的过程，它使计算机能获知人的表情信息，进而推断人的心理状态，从而实现人机之间的智能交互。表情识别技术是情感计算机研究的内容之一，是生物特征识别、人工心理理论、情感计算、生理学、心理学、计算机视觉等多学科交叉的一个极富挑战性的课题，它的研究对于自然和谐的人机交
11、互、远程教育、安全驾驶等都有重要的意义，具体表现在以下几个方面：(1) 智能人机交互的实现：人脸面部表情的分析、编码、识别以及在此基础上的表情动作跟踪的研究，对实现自然的、智能化的人机交互和计算机自动图像理解都有重要的意义。例如在人机界面中如果能够出现安慰与鼓励等方面的文字、图像与声音，用户会感觉更加亲切。不仅如此，如果使得计算机可以通过计算机视觉的方法分析出用户的面部表情信息，那么就可能使得计算机表现出更多人类所特有的本领。也许它会知道你喜欢什么歌曲，喜欢哪个影星表演的电影，知道你所处的情绪状态(正面情绪还是负面情绪)，甚至可能做出一些人性化的举动，真正实现智能化。(2) 远程教育：有过远程
12、教育经历的老师普遍觉得很难掌握学生对课程的掌握程度，如果在正常的授课中，老师可以通过实时的监控学生的表情来调节和控制课程的进度，那么将使教师更好的把握课程进度，大大地提高学习效率。(3) 安全领域：在一些特定的工作中，表情的自动监视与分析也非常有用比如，对机动车司机、飞机驾驶员来说，一时的疲倦就有可能会产生严重的后果加入表情自动分析技术的系统就可以实时的监控其表情的变化，判断其精神2状态，对可能出现的危险情况发出警告。在类似这种不能由他人监控，而工作者的精神状态不佳又会产生严重后果的工作中，表情自动分析系统都可以得到应用。(4) 电脑游戏：这可能是脸部表示识别和制作最有应用价值的一个领域。电脑游戏中的人物若能读懂游戏者的表情，如喜、怒、哀、乐来做出实时的反应，并与之亲切交流，那么这样的游戏肯定比那些传统规定好规则的游戏更加吸引人，会给游戏者以更加身临其境的感觉。(5) 压力
