学位论文 > 优秀研究生学位论文题录展示
人脸表情识别方法的研究
作 者: 白洋
导 师: 金连文
学 校: 华南理工大学
专 业: 通信与信息系统
关键词: 人脸表情识别 人脸检测 PHOG特征 BIM特征 AdaBoost 支持向量机
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 290次
引 用: 1次
阅 读: 论文下载
内容摘要
由于人脸表情识别具有广阔的应用前景,对表情识别方法的研究已经成为模式识别领域的研究热点。其中笑脸识别作为表情识别的一个子类,因其在应用上的特殊地位,也单独成为一个研究热点。本文以人脸表情识别方法为主题,研究了用于笑脸识别与多类表情识别的关键算法。表情识别系统包括人脸检测、人脸特征提取、特征选择以及表情分类等几部分。其中,特征提取对识别结果起着关键作用。本文在研究表情识别关键算法的基础上,将重点放在特征提取方法的研究。在特征提取环节中,Gabor特征是一种纹理特征,是在人脸表情识别中最为成功的提取提取方法之一。但是Gabor特征的特征维数过高,一般在训练阶段需要一个较长的特征选择过程。并且,识别率还有进一步提高的空间。在这种情况下,本文将近年来在图像分类中应用广泛的PHOG(Pyramid Histogram of Oriented Gradients)特征和BIM(Biologically Inspired Model)特征引入表情识别中。最后设计和完成一系列实验,比较了不同特征提取方法和分类方法的优劣。本文的主要工作具体如下:1.介绍了人脸表情识别的研究背景和意义,以及当前在特征提取和表情分类中的研究现状。2.介绍了人脸检测的主流算法,其中详细介绍了基于类Haar特征和AdaBoost的方法,并通过实验验证了算法的有效性。3.将PHOG和BIM两种特征引入人脸表情识别领域,并将之与Gabor特征进行对比,验证了这两种特征的有效性。4.使用特征级联与AdaBoost结合的方法,将不同特征进行融合以得到更有效的特征表达,以达到了更高的识别率。5.在实验中使用SVM,AdaBoost和AdaBoost+SVM三种分类方法,通过实验结果,比较了三种分类方法的识别效果。实验结果证明,本文使用特征提取与表情分类方法,在人脸表情识别中,具有良好的性能。
|
全文目录
摘要 7-8 Abstract 8-13 第一章 绪论 13-22 1.1 人脸表情识别简介 13-14 1.1.1 生物特征识别技术 13 1.1.2 人脸表情识别 13-14 1.2 研究背景及其意义 14-16 1.3 人脸表情识别的难点 16 1.4 人脸表情识别的常用方法 16-20 1.4.1 特征提取简介 17-18 1.4.2 表情分类方法简介 18-20 1.4.3 人脸表情数据库 20 1.5 本文的主要工作及安排 20-22 第二章 人脸检测的实现 22-38 2.1 人脸检测概述 22-23 2.2 基于肤色特征的方法 23-25 2.2.1 颜色空间 24-25 2.2.2 肤色模型 25 2.3 基于特征脸的方法 25-27 2.4 基于模板匹配的方法 27-28 2.4.1 预定义模板匹配的方法 27 2.4.2 改进的模板匹配的方法 27-28 2.5 基于神经网络的方法 28-29 2.6 基于类Haar 特征与AdaBoost 的人脸检测方法 29-35 2.6.1 类Haar 特征 30-31 2.6.2 积分图及其快速算法 31-32 2.6.3 AdaBoost 算法 32-33 2.6.4 弱分类器定义 33-34 2.6.5 级联分类器 34-35 2.7 人脸检测实验 35-36 2.7.1 Intel OpenCV 简介 35 2.7.2 实验结果 35-36 2.8 本章小结 36-38 第三章 特征提取与机器学习 38-54 3.1 图像预处理 38-41 3.1.1 直方图均衡 38-40 3.1.2 几何归一化 40-41 3.2 Gabor 特征 41-42 3.2.1 Gabor 滤波器 41-42 3.2.2 Gabor 特征提取 42 3.3 PHOG 特征 42-44 3.3.1 局部形状 42-44 3.3.2 空间布局 44 3.4 BIM 特征 44-48 3.4.1 BIM 特征简介 44-46 3.4.2 特征的提取过程 46-48 3.5 机器学习算法与分类器 48-53 3.5.1 AdaBoost.MH 48-50 3.5.2 支持向量机 50-53 3.6 本章小结 53-54 第四章 人脸表情识别实验 54-63 4.1 实验规划 54 4.2 实验数据 54-55 4.3 笑脸识别实验 55-60 4.3.1 Gabor 特征与PHOG 特征的比较实验 55-57 4.3.2 结合Gabor 特征与PHOG 特征 57-59 4.3.3 BIM 特征实验 59-60 4.4 多类表情识别 60-62 4.5 本章小结 62-63 总结和未来工作展望 63-65 参考文献 65-71 攻读硕士学位期间取得的研究成果 71-72 致谢 72
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 舌体特征的提取及融合分类方法研究,TP391.41
- 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 基于差分演化的人脸识别方法研究,TP391.41
- 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|