基于支持向量機(jī)的笑臉識(shí)別算法研究.pdf

1、面部表情識(shí)別是圖像識(shí)別領(lǐng)域最具挑戰(zhàn)性的研究方向之一，受到了廣泛的研究和關(guān)注。但是在表情識(shí)別實(shí)際應(yīng)用中，目前的識(shí)別效果還不是十分理想。在眾多的表情中，微笑是用于人與人之間溝通的最重要的面部表情。因此，我們?nèi)绻軌蛞暂^高計(jì)算效率和精確度識(shí)別笑臉并且預(yù)估它的強(qiáng)度，那必定會(huì)引導(dǎo)和開發(fā)更多新的應(yīng)用可能性。但笑臉識(shí)別的相關(guān)研究還有很多問(wèn)題有待解決，例如物體的姿態(tài)、尺度、表觀和光照的變化、遮擋等給笑臉識(shí)別的研究帶來(lái)了極大的挑戰(zhàn)。本文針對(duì)這些問(wèn)題進(jìn)行了

2、研究，包括基于哈爾特征和Boosting的二維級(jí)聯(lián)結(jié)構(gòu)人臉檢測(cè)算法、基于直方圖均衡化的人臉圖像預(yù)處理、基于支持向量機(jī)的笑臉識(shí)別等。
　　(1)本文提出了一種基于哈爾特征和Boosting的二維級(jí)聯(lián)結(jié)構(gòu)人臉檢測(cè)算法。該算法的優(yōu)勢(shì)是通過(guò)積分圖技術(shù)有效提取哈爾特征，并采用基于二維級(jí)聯(lián)結(jié)構(gòu)的Boosting人臉檢測(cè)算法，使得使分類器結(jié)構(gòu)有能力處理超大規(guī)模的訓(xùn)練集，訓(xùn)練和檢測(cè)的過(guò)程非常高效。
　　(2)本文提出了一種基于支持向量機(jī)的笑