靜態(tài)圖像中人臉表情和性別識別的研究.pdf

1、人臉是人類最重要的生物特征之一，反映了很多重要的生物信息，如身份、表情、性別、種族、年齡等等。隨著計算機(jī)技術(shù)的飛速發(fā)展，基于人臉圖像的計算機(jī)視覺和模式識別問題也成為近些年研究的熱點問題。作為人臉識別技術(shù)的重要組成部分，人臉的表情、性別識別技術(shù)也受到廣泛的關(guān)注，該技術(shù)能進(jìn)一步提高人臉識別的識別率，為人臉識別提供了很有意義的補(bǔ)充，使人臉識別更全面更豐富，應(yīng)用前景更廣闊。因此對表情、性別人臉識別進(jìn)行研究具有重要意義。
　　 人臉的表情

2、、性別識別系統(tǒng)主要分為三部分：人臉圖像的預(yù)處理，人臉特征提取和分類器識別三部分。本文主要從這三方面展開研究。
　　 人臉圖像的預(yù)處理直接影響人臉表情、性別的識別率。圖像的預(yù)處理主要包括人臉檢測、尺度歸一化、灰度歸一化。通過對人臉檢測問題中的重要理論的研究，本文采用基于AdaBoost算法的層級式人臉檢測策略。采用該方法的原因在于：該檢測方法檢測速度快，檢測精度高。然后將檢測出的人臉進(jìn)行尺度歸一化和灰度歸一化處理。
　　

3、人臉性別的識別，這部分包括人臉的特征提取和分類，特征提取更加重要，能否從高維的人臉圖像中提取出感興趣的人臉特征，是識別的關(guān)鍵。本文首先介紹了經(jīng)典的基于主成份分析(PCA)的特征提取策略，然后介紹特別強(qiáng)調(diào)類內(nèi)和類間信息的基于線性判別式分析(LDA)的特征提取策略，LDA算法具有不能被應(yīng)用于小樣本的缺陷，本文將PCA和LDA算法相結(jié)合，克服了LDA算法的缺陷，最后采用歐式距離作為模式特征之間的相似性量度，采用基于距離函數(shù)的分類器。但是實驗過

4、程中采用均值臉?biāo)惴ǖ姆夯圆桓撸院筮€需要進(jìn)一步改進(jìn)。
　　 在人臉表情識別實驗中，采用基于Gabor小波和彈性模板匹配的方法，對人臉表情特征提取時，先對圖像逐個像素進(jìn)行Gabor小波變換，然后再提取局部關(guān)鍵區(qū)域的小波系數(shù)，利用歐式距離公式計算相似度，利用彈性模板匹配的方法進(jìn)行匹配識別，最后利用K近鄰分類器實現(xiàn)人臉面部七種基本表情的識別，取得了較好的實驗結(jié)果。但實驗過程中采用的K近鄰分類器計算的時間復(fù)雜度高，以后還需要進(jìn)一步的改