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
- 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
- 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
- 基于稀疏表示残差融合的人脸表情识别,TP391.41
- 神经元MOS管在神经网络中的应用研究,TP183
- 基于Hopfield神经网络的谣言认知模型研究,B842.1
- 机器人头部机构与控制系统的研究,TP242.6
- 基于神经网络后处理的数字水印算法,TP309.7
- 人脸注释与表情分析方法研究,TP391.41
- 基于流形学习的人脸表情识别研究,TP391.41
- 基于几何特征和子空间学习的人脸表情识别,TP391.41
- 基于Gabor小波与神经网络的人脸表情识别研究,TP391.41
- 字符图像的定位与特征点匹配技术研究,TP391.41
- 基于Hopfield神经网络控制系统的研究,TP183
- 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
- 面部表情识别与情绪智力的相关研究,TP391.41
- 基于EHMM的表情识别研究,TP391.41
- 复值Hopfield神经网络盲检测MPSK信号,TN911.23
- 基于2D-FrFT多阶次特征融合的人脸表情识别技术,TP391.41
- 人脸表情识别方法的分析与研究,TP391.41
- 基于流形学习算法的新生儿疼痛表情识别,TP391.41
- 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
|