学位论文 > 优秀研究生学位论文题录展示

基于独立成分分析的人脸表情识别算法研究

作　者: 丁维福
导　师: 姜威
学　校: 山东大学
专　业: 通信与信息系统
关键词: 人脸表情识别特征提取 Gabor变换独立成分分析
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 74次
引　用: 0次
阅　读: 论文下载

内容摘要

人工情感指用人工的方法和技术,模仿、延伸和扩展人的情感,使机器具有识别、理解和表达情感的能力。它是人工智能研究领域的一部分。随着机器人技术在越来越多的领域中的应用,机器人具有人工情感也变的极有可能和相当必要。基于计算机视觉的人脸表情识别就是人工情感研究中的一项重要任务。人脸表情识别涉及到图像处理、模式识别、运动跟踪、生理学、心理学等多个研究领域。它是基于视觉信息对脸部的运动以及脸部特征的变化进行分类。人脸表情识别系统主要包括人脸的检测、表情特征的提取和表情的分类三个部分。其中,表情特征的提取是识别技术的关键,决定着最终的识别结果。随着课题研究的深入,已经出现了很多表情识别的有效算法,比如整体识别法、局部识别法和几何特征法。并且,很多在人脸识别中常用的方法,也被引入到表情识别中,并得到了较高的识别率。包括主成分分析法(PCA)、独立成分分析法(ICA)、Fisher线性判别法(FLD)、隐马尔科夫模型法等。论文在充分研究已有的各种表情识别算法的基础上,力求寻找一种能有较高识别率并有较好泛化性的表情识别算法。本文工作如下：(1)对日本的标准表情库JAFFE进行了有效的预处理。用人工标定的方法对眼睛中心位置进行甄别确定,然后根据人眼中心坐标对图像进行裁剪,以使裁剪后的脸部特征部位归一化到同一位置上。然后用直方图均衡化、中心化等方法使得最终的图像具有相同的灰度均值和方差。(2)把独立成分分析算法引入到表情识别领域中,提出了基于ICA的人脸表情识别算法。该算法考虑到了图像的高阶统计特性对表情识别的贡献,在日本JAFFE表情库中的实验证明本方法的有效性。(3)提出了一种结合Gabor变换和FastICA技术和K-近邻分类器的表情识别算法。Gabor小波具有很好的空频局部性和多方向选择性,因此更有利于表情细节信息的提取。FastICA技术能够消除信号间的高阶统计冗余。首先,对预处理后的图像进行Gabor变换,把得到的系数排列成Gabor特征矢量,然后用FastICA对Gabor特征矢量进行特征提取,最后用K-近邻分类器进行分类。实验还对Gabor变换的尺度数和方向数进行了确定,发现尺度为5,方向个数为4时,能取得最好的效果。若数目减小,则影响识别率；若数目增大,不仅不能提高识别率,反而加大了运算量。在JAFFE表情库中进行了与人有关的表情识别和与人无关的表情识别两组实验。实验结果证明,本算法在识别率上有了较大的提高,并且具有一定的泛化性。

全文目录

摘要  10-12
Abstract  12-14
符号说明  14-15
第一章绪论  15-25
  1.1 人脸表情识别技术介绍  15-20
    1.1.1 人脸表情识别的研究背景  15-17
    1.1.2 人脸表情识别的研究现状  17-18
    1.1.3 人脸表情识别的研究难点和发展趋势  18-20
  1.2 主流表情数据库介绍  20-22
  1.3 课题研究目的和意义  22-23
  1.4 本文的篇章结构  23-25
第二章人脸表情识别分析  25-39
  2.1 表情识别框架  25
  2.2 人脸检测方法  25-27
    2.2.1 基于几何特征的人脸检测方法  25-26
    2.2.2 基于相关匹配的人脸检测方法  26
    2.2.3 基于子空间的人脸检测方法  26
    2.2.4 基于统计的人脸检测方法  26-27
  2.3 图像的预处理  27-29
    2.3.1 几何预处理  27-28
    2.3.2 直方图均衡化  28-29
  2.4 表情特征提取  29-36
    2.4.1 基于几何特征的提取方法  29-30
    2.4.2 基于整体的提取方法  30-31
    2.4.3 基于运动特征的提取方法  31-36
  2.5 表情分类算法  36-38
    2.5.1 K-近邻分类法  36-37
    2.5.2 基于支持向量机的分类方法  37-38
    2.5.3 基于神经网络的分类方法  38
    2.5.4 基于隐马尔科夫模型的分类方法  38
  2.6 本章小结  38-39
第三章独立成分分析基本理论及其应用于表情识别  39-52
  3.1 随机变量的统计独立性  39-40
  3.2 独立成分分析的定义  40-41
    3.2.1 独立成分分析(ICA)的模型  40
    3.2.2 ICA的基本假定与不确定性  40-41
  3.3 独立成分分析的独立性判据  41-46
    3.3.1 非高斯最大化判据  42-44
    3.3.2 互信息最小化判据  44-45
    3.3.3 极大似然判据  45-46
  3.4 独立成分分析的预处理  46-47
    3.4.1 中心化  46
    3.4.2 白化  46-47
  3.5 FastICA算法  47-49
  3.6 基于ICA的人脸表情识别  49-51
    3.6.1 JAFFE表情库图像的预处理  49-50
    3.6.2 表情图像ICA模型  50-51
    3.6.3 实验结果及分析  51
  3.7 本章小结  51-52
第四章基于Gabor变换和FastICA的人脸表情识别方法  52-59
  4.1 Gabor变换和FastICA理论基础  52-55
    4.1.1 Gabor变换  52-54
    4.1.2 独立成分分析  54-55
    4.1.3 k-近邻分类器  55
  4.2 仿真实验  55-56
  4.3 实验结果  56-58
    4.3.1 方案一  56-57
    4.3.2 方案二  57-58
  4.4 本章小结  58-59
第五章总结与展望  59-61
附录  61-64
参考文献  64-69
致谢  69-70
已发表论文  70-71
学位论文评阅及答辩情况表  71

基于独立成分分析的人脸表情识别算法研究

内容摘要

全文目录

相似论文