基于2D-FrFT多階次特征融合的人臉表情識(shí)別技術(shù).pdf

1、人臉表情識(shí)別技術(shù)在人機(jī)交互、數(shù)字家庭、人工智能等方面擁有廣闊的應(yīng)用前景和市場(chǎng)價(jià)值,因此利用計(jì)算機(jī)自動(dòng)識(shí)別人臉表情技術(shù)因其高實(shí)用性在圖像處理、模式識(shí)別、計(jì)算機(jī)視覺(jué)等領(lǐng)域逐漸成為新的研究趨勢(shì)。視覺(jué)圖像特征被公認(rèn)為是反映人類(lèi)表情狀態(tài)最重要的信息之一,因此本文對(duì)基于視覺(jué)圖像特征的人臉表情識(shí)別技術(shù)進(jìn)行了深入研究,在消化和借鑒目前國(guó)內(nèi)外研究成果的基礎(chǔ)上,首次將分?jǐn)?shù)階傅里葉變換應(yīng)用于人臉表情特征的提取,并在此基礎(chǔ)上提出了一種二維分?jǐn)?shù)階傅里葉變換域(2

2、D-FrFT)多階次特征融合分類(lèi)算法。主要研究?jī)?nèi)容可概括為:
　　 研究和分析了常用的基于Gabor小波變換的人類(lèi)表情特征提取算法及其性能,鑒于分?jǐn)?shù)階傅里葉變換(FrFT)與Gabor小波變換固有的聯(lián)系,以及在時(shí)頻分析中更靈活的表示,提出了基于二維分?jǐn)?shù)階傅里葉變換(2D-FrFT)的人臉表情特征提取算法。通過(guò)仿真實(shí)驗(yàn)分析了不同表情在2D-FrFT不同階次下的時(shí)頻域特征以及識(shí)別率,仿真結(jié)果表明:2D-FrFT的變換階次與表情識(shí)別率

3、之間存在必然的聯(lián)系,在若干確定的變換階次下基于2D-FrFT的人臉表情識(shí)別率較優(yōu)于Gabor小波變換;
　　 設(shè)計(jì)了基于SVM的多層次分類(lèi)機(jī)制,并將其運(yùn)用于基于2D-FrFT的人臉表情識(shí)別系統(tǒng)。該機(jī)制通過(guò)“倒金字塔”式分類(lèi)結(jié)構(gòu)進(jìn)行分層篩選,以減少參與每層分類(lèi)的類(lèi)別數(shù),從而將每層分類(lèi)過(guò)程控制在一個(gè)類(lèi)別數(shù)較少的范圍內(nèi)。仿真實(shí)驗(yàn)結(jié)果表明:相對(duì)于SVM,FLDA,HMM等經(jīng)典分類(lèi)器,基于SVM的多層次分類(lèi)機(jī)制可以及時(shí)調(diào)整分類(lèi)層次,有效控

4、制分類(lèi)過(guò)程,減少誤判,提高表情識(shí)別率;
　　 提出了基于2D-FrFT多階次特征融合的人臉表情識(shí)別方法,該方法利用典型相關(guān)分析法(Canonical Correlation Analysis,CCA)對(duì)兩個(gè)識(shí)別率較高階次的時(shí)頻域表情特征進(jìn)行融合,利用投影后的相關(guān)特征矢量組成融合特征,以消除信息冗余和降低表情特征的維數(shù)。仿真實(shí)驗(yàn)表明:相對(duì)于2D-FrFT48維單階次特征,采用兩個(gè)階次特征進(jìn)行CCA融合,僅利用36維融合特征即達(dá)到7