本文選題：人臉表情識(shí)別　切入點(diǎn)：Gabor　出處：《廣西師范大學(xué)》2017年碩士論文

【摘要】：隨著高科技技術(shù)的不斷涌現(xiàn),結(jié)合“人工智能”與“互聯(lián)網(wǎng)+”概念的產(chǎn)品備受青睞。產(chǎn)品功能對(duì)于用戶(hù)來(lái)說(shuō)是首要考慮因素,交互體驗(yàn)更能影響用戶(hù)對(duì)產(chǎn)品評(píng)價(jià)的好壞。目前,展廳安防巡邏領(lǐng)域的服務(wù)型機(jī)器人具有很好的發(fā)展前景和應(yīng)用價(jià)值,增加機(jī)器人情感交互功能,將使產(chǎn)品獲得更好的交互體驗(yàn)。因此,結(jié)合公司真實(shí)項(xiàng)目背景與需求,基于現(xiàn)有的項(xiàng)目接口和OpenCV視覺(jué)開(kāi)源庫(kù),設(shè)計(jì)并開(kāi)發(fā)出一款基于巡邏服務(wù)機(jī)器人平臺(tái)的表情識(shí)別系統(tǒng)。本文首先對(duì)系統(tǒng)的應(yīng)用背景和研究意義進(jìn)行概述,介紹當(dāng)今國(guó)內(nèi)外服務(wù)機(jī)器人表情識(shí)別的研究現(xiàn)狀及常用的開(kāi)源表情樣本庫(kù),對(duì)機(jī)器人以及平臺(tái)相關(guān)技術(shù)進(jìn)行介紹。接著,以表情識(shí)別系統(tǒng)的實(shí)現(xiàn)流程為主線(xiàn),分別介紹該流程中人臉檢測(cè)、特征提取、分類(lèi)訓(xùn)練這三大步驟的主要內(nèi)容。分析現(xiàn)有的表情識(shí)別算法,結(jié)合實(shí)際項(xiàng)目需求,為本系統(tǒng)選擇出各個(gè)步驟中合適的算法和參數(shù),并完成開(kāi)發(fā)任務(wù)。本文主要工作可歸納為:1)研究特征提取方案,實(shí)現(xiàn)了表情特征提取及特征降維。系統(tǒng)選擇Gabor濾波提取表情圖像特征,用主成分分析算法(Principle Component Analysis,PCA)及線(xiàn)性判別分析算法(Linear Discriminant Analysis,LDA)進(jìn)行特征降維。論文重點(diǎn)研究不同的Gabor濾波窗口設(shè)置方法和特征采樣策略對(duì)系統(tǒng)的識(shí)別性能和運(yùn)算效率的影響。通過(guò)對(duì)Gabor濾波算法的分析,對(duì)窗口設(shè)置方法和局部采樣策略進(jìn)行實(shí)驗(yàn),分析實(shí)驗(yàn)數(shù)據(jù),觀(guān)察實(shí)驗(yàn)結(jié)果,為本項(xiàng)目開(kāi)發(fā)選擇出合適的窗口設(shè)置方法和特征提取策略。2)設(shè)計(jì)SVM分類(lèi)器,實(shí)現(xiàn)表情識(shí)別功能。研究支持向量機(jī)算法,基于雙線(xiàn)性法和網(wǎng)格搜索法相結(jié)合的思路對(duì)徑向基核函數(shù)模型進(jìn)行設(shè)計(jì)。通過(guò)實(shí)驗(yàn)數(shù)據(jù)尋找徑向基SVM分類(lèi)器的最優(yōu)參數(shù)。3)設(shè)計(jì)BP人工神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)表情識(shí)別功能。論文選擇相關(guān)參數(shù),對(duì)隱藏層進(jìn)行設(shè)計(jì),構(gòu)建本系統(tǒng)的BP人工神經(jīng)網(wǎng)絡(luò)。通過(guò)實(shí)驗(yàn)數(shù)據(jù)的對(duì)比與分析,為本項(xiàng)目的BP神經(jīng)網(wǎng)絡(luò)選擇了適合的激活函數(shù)。4)制作自定義表情樣本訓(xùn)練庫(kù)。通過(guò)使用本系統(tǒng)的分類(lèi)器管理子系統(tǒng)中的樣本處理功能,對(duì)JAFFE、YALE和CK+三個(gè)開(kāi)源樣本庫(kù)進(jìn)行特定處理或者對(duì)系統(tǒng)實(shí)時(shí)采集的表情圖像進(jìn)行預(yù)處理,以此構(gòu)造系統(tǒng)的訓(xùn)練樣本集。5)設(shè)計(jì)和實(shí)現(xiàn)了系統(tǒng)功能,并通過(guò)相關(guān)測(cè)試。按照軟件工程開(kāi)發(fā)流程,結(jié)合論文對(duì)表情識(shí)別過(guò)程算法的設(shè)計(jì),使用OpenCV視覺(jué)開(kāi)源庫(kù)提供的API接口和機(jī)器人平臺(tái)開(kāi)發(fā)接口,完成了本系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。最后編寫(xiě)測(cè)試用例,對(duì)系統(tǒng)進(jìn)行測(cè)試,獲取實(shí)驗(yàn)數(shù)據(jù),對(duì)支持向量機(jī)分類(lèi)結(jié)果和BP神經(jīng)網(wǎng)絡(luò)分類(lèi)結(jié)果進(jìn)行了比較分析。通過(guò)繪制“查準(zhǔn)率-查全率”曲線(xiàn),評(píng)價(jià)分別使用SVM分類(lèi)器和BP人工神經(jīng)網(wǎng)絡(luò)的表情識(shí)別系統(tǒng)的分類(lèi)識(shí)別性能。測(cè)試結(jié)果表明,SVM分類(lèi)器的訓(xùn)練時(shí)間要遠(yuǎn)小于BP人工神經(jīng)網(wǎng)絡(luò),BP人工神經(jīng)網(wǎng)絡(luò)對(duì)基本表情具有更好的識(shí)別性能和分類(lèi)容錯(cuò)性。在保證識(shí)別率的前提下,BP人工神經(jīng)網(wǎng)絡(luò)較適合于作為表情識(shí)別功能的特征分類(lèi)器。在兩種分類(lèi)器中,高興、生氣、驚訝的識(shí)別率比害怕、厭惡、悲傷有更高的識(shí)別率。
[Abstract]:......
【學(xué)位授予單位】：廣西師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41;TP242

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 Li Wang;Rui-Feng Li;Ke Wang;Jian Chen;;Feature Representation for Facial Expression Recognition Based on FACS and LBP[J];International Journal of Automation & Computing;2014年05期

2 李建萍;付麗琴;韓焱;;用于特征提取的Gabor濾波器參數(shù)設(shè)計(jì)[J];光學(xué)與光電技術(shù);2010年03期

3 朱明旱;羅大庸;王一軍;;基于監(jiān)督式等距映射的人臉和表情識(shí)別[J];光電工程;2009年01期

4 李云峰;賈晨輝;;Gabor頻率對(duì)人臉特征定位的影響研究[J];自動(dòng)化技術(shù)與應(yīng)用;2008年06期

5 林升梁;劉志;;基于RBF核函數(shù)的支持向量機(jī)參數(shù)選擇[J];浙江工業(yè)大學(xué)學(xué)報(bào);2007年02期

6 鄧洪波;金連文;;一種基于局部Gabor濾波器組及PCA+LDA的人臉表情識(shí)別方法[J];中國(guó)圖象圖形學(xué)報(bào);2007年02期

7 李琳;張曉龍;;基于RBF核的SVM學(xué)習(xí)算法的優(yōu)化計(jì)算[J];計(jì)算機(jī)工程與應(yīng)用;2006年29期

8 朱健翔;蘇光大;李迎春;;結(jié)合Gabor特征與Adaboost的人臉表情識(shí)別[J];光電子·激光;2006年08期

9 趙麗紅,劉紀(jì)紅,徐心和;人臉檢測(cè)方法綜述[J];計(jì)算機(jī)應(yīng)用研究;2004年09期

10 劉耦耕,李圣清,肖強(qiáng)暉;多層前饋人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)研究[J];湖南師范大學(xué)自然科學(xué)學(xué)報(bào);2004年01期

相關(guān)碩士學(xué)位論文 前1條

1 李玉朵;基于SVM的人臉表情識(shí)別研究[D];河北工程大學(xué);2012年

，

本文編號(hào)：1667954