基于Gabor特征的人臉表情識別算法研究.pdf

1、表情識別的研究目標(biāo)是讓計算機(jī)能夠自動識別出人的表情信息，從而更進(jìn)一步地增強(qiáng)人機(jī)交互的友好性及智能性。但是由于人臉表情識別涉及圖像處理、計算機(jī)視覺、應(yīng)用數(shù)學(xué)等學(xué)科的融合，正是由于這種多學(xué)科交叉的復(fù)雜性和特殊性，使得表情識別相對比較困難，當(dāng)前人們?nèi)悦媾R著許多亟待解決的問題。
　　作為一個典型的模式識別系統(tǒng)，人臉表情識別主要包括以下三個方面:人臉檢測、人臉表情特征的提取、人臉表情分類。
　　本文以人臉表情為主要研究對象，以人臉表情

2、識別算法為主要研究目的，對人臉表情特征提取以及人臉表情特征分析等問題進(jìn)行了較深入的研究。針對現(xiàn)有表情識別算法存在的問題，本文提出了基于二維Gabor變換、Adaboost算法以及支持向量機(jī)相結(jié)合的人臉表情識別算法。
　　首先，本文在深入研究SVM和Adaboost算法的基礎(chǔ)上，綜合運(yùn)用了Gabor特征對于人臉表情的良好表征能力、Adaboost算法的強(qiáng)大特征選擇能力以及SVM在處理少樣本、高維數(shù)問題中的優(yōu)勢。
　　其次，針對

3、Gabor特征維數(shù)高、冗余大的特點(diǎn)，引入Adaboost算法進(jìn)行特征選擇降低特征向量的維數(shù)提取人臉圖像的Gabor特征。
　　再次，SVM算法基于統(tǒng)計學(xué)習(xí)理論，在處理非線性問題、線性不可分問題和小樣本問題上具有優(yōu)良特性。文中采取1∶1辦法來解決，將會生成k(k-1)/2(k為總類別數(shù))個SVM分類器，從而可以完成人臉表情的多類識別。
　　最后，本文采用JAFFE數(shù)據(jù)庫對上述方法的識別效果進(jìn)行了驗(yàn)證，通過實(shí)驗(yàn)數(shù)據(jù)可以看到，本文