基于Gabor的人臉表情識(shí)別研究.pdf

1、人臉表情識(shí)別是情感計(jì)算和智能化人機(jī)交互的重要組成部分，是涉及圖像處理、模式識(shí)別、機(jī)器學(xué)習(xí)、生理學(xué)、心理學(xué)等多個(gè)研究領(lǐng)域的交叉性課題。由于其具有潛在的市場(chǎng)價(jià)值和廣泛的應(yīng)用前景，近年來備受學(xué)術(shù)界的關(guān)注。 人臉表情識(shí)別一般分為圖像預(yù)處理、表情特征提取和表情分類3個(gè)階段。本文針對(duì)這3個(gè)階段存在的關(guān)鍵問題進(jìn)行研究，并對(duì)一些算法進(jìn)行改進(jìn)，主要研究工作如下： (1)將Zernike矩人眼檢測(cè)方法應(yīng)用到人臉表情識(shí)別的圖像預(yù)處理中。該方法

2、以往只被用于人臉識(shí)別，本文將其引入人臉表情識(shí)別領(lǐng)域，通過實(shí)驗(yàn)證明了該方法能夠很好地處理表情圖像的偏轉(zhuǎn)情況，并提高了人眼定位精度。 (2)提出了一種PCA變換擴(kuò)散投影(PCATSP)的人眼輪廓提取方法。實(shí)驗(yàn)中通過與可變形模板方法相比較，結(jié)果表明PCATSP方法在平均形狀參數(shù)誤差及整體優(yōu)化時(shí)間上更能精確地提取人眼輪廓。 (3)提出了一種用于特征選擇的分塊Boost方法，同時(shí)，設(shè)計(jì)了一種結(jié)合優(yōu)化方差率(AVR)的分塊Boost

3、特征選擇方法。本文采用5尺度、8方向的Gabor濾波器提取表情特征，并針對(duì)表情特征向量的高維信息冗余問題，提出了一種分塊Boost方法，同時(shí)結(jié)合AVR對(duì)特征區(qū)分性進(jìn)行判斷，實(shí)驗(yàn)中不僅獲取了對(duì)分類更有利的特征數(shù)據(jù)MDGF，而且達(dá)到了降維的目的。 (4)將表情樣本識(shí)別結(jié)果的先驗(yàn)知識(shí)與其估計(jì)值進(jìn)行融和，獲得了最終的識(shí)別結(jié)果。本文采用一對(duì)一支持向量機(jī)(SVM)進(jìn)行表情分類，并通過實(shí)驗(yàn)找出不同方向、不同尺度的MDGF與表情識(shí)別結(jié)果的關(guān)系，