微表情識別理論沖破了普通人臉識別理論的限定,使用動態(tài)方式來捕獲局部信息是其主要趨勢。微表情不僅短暫且變化強度較低,能夠反映出人們試圖隱藏的情感。訓(xùn)練有素的人類專家僅可以獲得低檢測率,而自動微表情識別系統(tǒng)可以獲得較高的檢測率。由于微表情的細(xì)微化和局部化,因此對于它的研究主要是從高頻視頻中提取局部動態(tài)信息來檢測和分類。微表情分析包括四個步驟:面部檢測,面部定位,特征提取和表達識別。重點是面部定位和特征提取,一旦檢測到面部,就會找到基準(zhǔn)點。在許多面部表情識別中,面部定位是必要的,目的是使面部正面化。特征提取過程包括兩個方面:預(yù)先設(shè)計和學(xué)習(xí)。預(yù)先設(shè)計是人工提取相關(guān)信息,學(xué)習(xí)是從訓(xùn)練數(shù)據(jù)中自動學(xué)習(xí)。本文主要針對傳統(tǒng)的部分微表情識別算法的不足進行改進,從而優(yōu)化算法,提高算法的識別精度,具體的研究工作有以下幾個方面:（1）SRC算法是微表情識別算法中較有效的一種算法,該算法運用稀疏表達和字典學(xué)習(xí)技術(shù)進行微表情識別,直接使用整套訓(xùn)練樣本作為稀疏編碼的字典,從訓(xùn)練樣本中學(xué)習(xí)字典而不是使用預(yù)定義的字典進行學(xué)習(xí),這樣可以產(chǎn)生最有效的結(jié)果。然而,該算法有一個前提,即所有錯誤分類導(dǎo)致的損失是相同的。但是在一些微... 

【文章來源】：青島大學(xué)山東省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

面部基準(zhǔn)點的確定

14圖 3.1 CS-SRC 算法流程圖固定系數(shù)矩陣Λ來描述學(xué)習(xí)詞典D的方法。問題成為二次約束的2minFDX D s. t.djkk1,1,...,2 以寫成 [;;...;]1 2k ，k （ k 1,2,3,...,K）是Λ的行向量，逐個新kd 時，D的所有其他列， dlkl, 是固定的，公式 3-(8)轉(zhuǎn)換成2argminFlkllkkddJXddkk s. t.12 kd llkl d ，可得：2argminFkkddJYdkk s. t.12 kd 朗日乘數(shù)，上述公式等價于：

青島大學(xué)碩士學(xué)位論文齊，如圖 3.4 所示。通過 PCA 將圖像的維度降低到 300。該學(xué)習(xí)字典由 540 個原子組成。PIE 數(shù)據(jù)庫包括 41,386 張圖像。在不同的姿勢，光照和微表情下捕獲面部圖像該實驗中，選擇具有不同微表情的面部圖像。如圖 3.5 所示，每個圖像的尺寸被裁剪為 64 64。通過 PCA 將圖像的維度降低到 300，該字典的大小為 400。


本文編號：2959476