学位论文 > 优秀研究生学位论文题录展示

基于动态贝叶斯网络的面部表情识别

作　者: 李永刚
导　师: 马驷良
学　校: 吉林大学
专　业: 计算数学
关键词: 面部活动单元识别贝叶斯网络面部表情分析面部活动编码系统 AdaBoost分类器
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 139次
引　用: 0次
阅　读: 论文下载

内容摘要

能够及时的自动分析面部活动的方法已经被广泛的应用在不同的领域。然而由于面部活动的复杂性,模糊性以及它动态的本质,开发这样一个系统是有很大挑战的。虽然很多研究小组尝试着通过改善面部特征提取或者面部单元分类的技术来进行面部单元识别,但是这些方法通常是孤立的和静态的识别一个或者几个表情单元,而忽略了表情单元之间的联系和表情单元的动态变化。因此,这些方法不能真实有力的识别面部表情单元。本文中,我们尝试着把动态贝叶斯网络应用到面部表情识别中去,将面部表情单元之间的联系和他们随时间演化的因素也考虑到表情识别中去。特别的,我们用动态贝叶斯网络（DBN）^[24]来表示不同单元之间的联系。动态贝叶斯网络提供了一个连贯的,统一的分层概率框架来表示各种各样表情单元之间的概率关系,并且考虑到随时间变化面部活动的发展。在我们的方法中,计算机视觉设备用于获得面部单元的测量值。这些测量值作为根据应用于动态贝叶斯网络来推出其他各种各样的表情单元。实验表明,综合了表情单元之间的关系和表情的动态变化这些因素的表情识别方法使得识别率具有一定的提高,尤其是自发的面部表情和在更现实的环境下,包括光照变化,人脸的姿势变化以及遮挡等情况。

全文目录

摘要  4-5
Abstract  5-8
第1章绪论  8-13
  1.1 面部表情识别概述  8
  1.2 研究背景及其意义  8-9
  1.3 面部表情识别的困难  9-10
  1.4 面部表情识别的特征提取  10-12
  1.5 本文工作  12-13
第2章基于AU 分类的面部特征  13-21
  2.1 面部特征提取  13-15
    2.1.1 整体方法  13-14
    2.1.2 局部方法  14-15
  2.2 AU 分类  15-17
    2.2.1 空间分类方法  15-16
    2.2.2 时空分类方法  16-17
  2.3 AU 测量值的提取  17-18
  2.4 Ada Boost 分类器  18-20
  2.5 本章小结  20-21
第3章基于动态贝叶斯网络的AU 识别  21-33
  3.1 贝叶斯网络  21-23
  3.2 AU 关系分析  23-24
  3.3 AU 关系模型  24-26
  3.4 贝叶斯网络结构的学习  26-29
  3.5 动态贝叶斯网络  29-31
  3.6 学习动态贝叶斯参数  31-32
  3.7 通过动态贝叶斯网络的AU 识别  32
  3.8 本章小结  32-33
第4章实验结果  33-39
  4.1 面部AU 数据库  33-34
  4.2 Cohn-Kanade 数据库的评估  34-39
第5章结论  39-40
  5.1 总结  39
  5.2 下一步工作  39-40
参考文献  40-43
作者简介及在学期间所取得的科研成果  43-44
致谢  44

基于动态贝叶斯网络的面部表情识别

内容摘要

全文目录

相似论文