学位论文 > 优秀研究生学位论文题录展示

基于整体识别和局部识别融合的人脸表情识别

作　者: 李正淳
导　师: 应自炉
学　校: 五邑大学
专　业: 信号与信息处理
关键词: 表情识别 特征维数 Hopfield 整体识别 局部识别 积结合方法融合 Dempster-Shafter多分类器融合
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 196次
引　用: 0次
阅　读: 论文下载
 

内容摘要


人脸表情识别是近几十年来才逐渐发展起来的一个科研热点,指利用计算机分析特定人的脸部表情及变化,进而确定其内心情绪或思想活动,实现人机之间更自然更智能化的交互。它在许多领域都有着潜在的应用价值,如自然和谐的人机交互、人工智能、机器视觉、安全驾驶、公共场合安全监控、辨别谎言、电脑游戏等。故而对面部表情进行的分析与识别研究具有重要意义,是人机自然交互深入研究过程中所必须解决的重要课题。本文首先综述人脸表情识别的研究意义和应用以及研究现状,总结归纳目前的人脸表情识别方法,介绍人脸检测和图像预处理中的归一化。本文重点研究以下几个问题:1.研究表情识别中压缩后图像大小对识别率的影响和PCA特征维数对识别率的影响。通过在JAFFE和CED-WYU(1.0)库上实验得到几个有用的结论,一、压缩后图像的大小不一定是越大,识别率就能越高。当压缩后图像的大小达到一定的程度之后,图像大小不再会影响识别率的高低。二、PCA特征维数选取跟选择的分类器有很大的关系。三、压缩后大小不同图像识别率最高时的PCA特征个数基本上相同。四、嘴识别率在PCA特征维数很小的时候就达到最高。这些结论提供一定的参考价值,为后续进行表情识别做了铺垫。2.研究基于Hopfield网调整后人脸表情图像的非特定人表情识别。这种方法是先选取一套做得较好表情作为标准样本,用Hopfield网对这个标准样本进行训练。再把样本库中的全部样本用这个训练好的Hopfield网进行调整,由于Hopfield网具有吸引稳定作用,会使样本库中样本向标准样本中相似的样本靠拢,这样相当于利用它们的相似拉开了各类表情样本的距离,有利于后续的分类。实验结果表明,采用Hopfield网调整后的识别率得到了较大的提高。3.研究基于整体识别和局部识别的融合方法进行表情识别的方法。基于全脸的整体识别和嘴、眼睛、鼻子各局部表情识别的结果,采用多分类器组合规则再进行融合的方法,这样融合了整体识别和局部识别的优点。用PCA+LDA提取特征,分别用线性Bayes(LDC)和k-近邻(KNNC)分类器进行分类取得整体识别和局部识别,再分别用积结合方法融合和Dempster-Shafter多分类器融合两种不同的融合的方法进行融合识别。通过实验,证明这种方法的有效性。

全文目录


摘要  4-6
Abstract  6-10
第一章 绪论  10-21
  1.1 课题来源和研究意义以及应用  10-11
  1.2 人脸表情的内容和分类  11-14
  1.3 人脸表情识别的研究现状  14-17
  1.4 人脸表情识别中的难点  17-18
  1.5 论文的内容和结构安排  18-21
第二章 人脸检测和表情图像的预处理  21-33
  2.1 引言  21
  2.2 人脸检测技术  21-23
  2.3 人脸表情图像的归一化  23-29
    2.3.1 几何归一化  23-24
    2.3.2 直方图均衡化  24-29
  2.4 本文中用到的人脸表情数据库简介  29-32
    2.4.1 日本的JAFFE表情数据库  29-30
    2.4.2 CED-WYU(1.0)数据库  30-31
    2.4.3 归一化处理后的图像效果  31-32
  2.5 本章小结  32-33
第三章 表情图像大小与特征维数选取的研究  33-44
  3.1 前言  33
  3.2 PCA算法  33-36
  3.3 图像大小和特征维数研究实验环境  36-37
  3.4 图像大小和特征维数实验及结果分析  37-42
  3.5 本章小结  42-44
第四章 基于Hopfield网调整后的表情识别  44-53
  4.1 引言  44
  4.2 Hopfield网络  44-46
  4.3 Fisher线性判别分类器  46-49
  4.4 基于Hopfield网调整后的表情识别  49-52
    4.4.1 表情识别的流程  49-50
    4.4.2 实验结果及分析  50-52
  4.5 本章小结  52-53
第五章 基于整体识别和局部识别的融合  53-61
  5.1 引言  53
  5.2 信息融合  53-55
    5.2.1 信息融合的基本理论  53-54
    5.2.2 信息融合的层次结构  54-55
  5.3 多分类器组合方法融合  55-56
    5.3.1 积结合方法融合  55
    5.3.2 Dempster-Shafter(D-S)多分类器融合  55-56
  5.4 基于整体识别和局部识别融合的表情识别  56-60
    5.4.1 表情融合识别流程  57-58
    5.4.2 表情融合识别实验  58-60
  5.5 本章小结  60-61
总结与展望  61-63
参考文献  63-68
攻读硕士学位期间发表的论文  68-69
致谢  69

相似论文

  1. 述情障碍个体对面部表情的识别及其注意偏向的实验研究,B849
  2. 小学生情绪表情识别特点及其与情绪词掌握量的关系研究,B844.2
  3. 基于稀疏表示残差融合的人脸表情识别,TP391.41
  4. 神经元MOS管在神经网络中的应用研究,TP183
  5. 基于Hopfield神经网络的谣言认知模型研究,B842.1
  6. 机器人头部机构与控制系统的研究,TP242.6
  7. 基于神经网络后处理的数字水印算法,TP309.7
  8. 人脸注释与表情分析方法研究,TP391.41
  9. 基于流形学习的人脸表情识别研究,TP391.41
  10. 基于几何特征和子空间学习的人脸表情识别,TP391.41
  11. 基于Gabor小波与神经网络的人脸表情识别研究,TP391.41
  12. 字符图像的定位与特征点匹配技术研究,TP391.41
  13. 基于Hopfield神经网络控制系统的研究,TP183
  14. 基于移动Sink节点传感器网络的农业环境信息监测系统设计与实现,TP274
  15. 面部表情识别与情绪智力的相关研究,TP391.41
  16. 基于EHMM的表情识别研究,TP391.41
  17. 复值Hopfield神经网络盲检测MPSK信号,TN911.23
  18. 基于2D-FrFT多阶次特征融合的人脸表情识别技术,TP391.41
  19. 人脸表情识别方法的分析与研究,TP391.41
  20. 基于流形学习算法的新生儿疼痛表情识别,TP391.41
  21. 基于压缩感知的新生儿疼痛表情识别方法,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