人臉表情識(shí)別作為應(yīng)用前景十分廣泛的人機(jī)交互方式之一,其相關(guān)理論和技術(shù)有待進(jìn)一步深入研究。雖然人臉表情識(shí)別相關(guān)技術(shù)得到了很大的發(fā)展,但其算法的魯棒性和準(zhǔn)確率有待進(jìn)一步得到提升。在基于圖像算子的人臉識(shí)別算法中,提取到的紋理特征較為豐富,但是容易出現(xiàn)過(guò)擬合的現(xiàn)象。通過(guò)特征定位點(diǎn)提取的幾何特征正好可以彌補(bǔ)這一缺點(diǎn)�；谏疃葘W(xué)習(xí)的相關(guān)人臉表情識(shí)別算法雖然達(dá)到了較好的效果,但是在具體模型訓(xùn)練的過(guò)程中也會(huì)出現(xiàn)過(guò)擬合的現(xiàn)象。因此,針對(duì)這些問(wèn)題,本文對(duì)人臉表情特征提取進(jìn)行了研究,主要研究工作如下:1.提出了改進(jìn)的HOG特征提取算法。針對(duì)傳統(tǒng)HOG特征提取過(guò)程中的不足。本文在HOG特征提取時(shí),加入了對(duì)角線(xiàn)像素的灰度信息,使得提取到的灰度邊緣信息更加豐富。此外,對(duì)不同參數(shù)下優(yōu)化后的HOG特征進(jìn)行了實(shí)驗(yàn)。2.提出了基于紋理特征和幾何特征的人臉表情識(shí)別算法。通過(guò)傳統(tǒng)圖像算子提取的表情特征雖然較為豐富,但由于含有較多冗余信息,往往會(huì)出現(xiàn)過(guò)擬合的現(xiàn)象。針對(duì)此問(wèn)題,首先對(duì)人臉五官區(qū)域進(jìn)行定位,提取定位區(qū)域的紋理特征。其次,利用ERT特征點(diǎn)定位算法對(duì)人臉表情特征點(diǎn)進(jìn)行準(zhǔn)確定位,根據(jù)定位到的表情特征點(diǎn),提取有用的幾何表情... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人臉表情識(shí)別系統(tǒng)流程圖

重慶郵電大學(xué)碩士學(xué)位論文第2章人臉表情識(shí)別相關(guān)技術(shù)概述10其次，人臉表情圖像的特征提取是指通過(guò)各種算法得到表情圖像的紋理、形狀等特征。本文對(duì)人臉表情特征的提取過(guò)程和算法進(jìn)行了重要研究。2.2人臉表情特征提取方法特征提取是人臉表情識(shí)別流程中最為重要的環(huán)節(jié)之一，更是本文的研究重點(diǎn)。如果提取到的人臉表情特征能夠很好的代表人臉表情信息，那么通過(guò)分類(lèi)器訓(xùn)練和測(cè)試的結(jié)果將更加準(zhǔn)確。其特征信息提取的優(yōu)劣程度直接決定了分類(lèi)器分類(lèi)結(jié)果的精確度，能夠直接影響算法的魯棒性和穩(wěn)定性。人臉表情特征提取是指通過(guò)特定算法從表情圖像中提取出能夠反應(yīng)人臉表情的信息，是對(duì)人臉表情圖像的另一種表現(xiàn)形式。在表情特征提取的過(guò)程中，要獲取和表情變化緊密相關(guān)的特征，使其能夠去除冗余信息，從而降低圖像噪聲對(duì)表情識(shí)別的影響。然而由于表情圖像的獲取冗余受到光照、角度等外在因素的影響。同一種表情圖像由于受到外在因素的干擾可能會(huì)得到不同的識(shí)別結(jié)果。為了解決這些問(wèn)題，研究者們提出了很多有效的各有優(yōu)缺點(diǎn)的特征提取方法。比如Gabor[42]小波變換、局部二值模式[43]、梯度直方圖HOG[44]、幾何特征提取等。下面將對(duì)這些特征提取方法及其優(yōu)缺點(diǎn)進(jìn)行詳細(xì)介紹。2.2.1LBP特征提取LBP[45]是用于提取局部邊緣信息的一個(gè)算子。其實(shí)現(xiàn)算法如下圖所示：圖2.2LBP算子計(jì)算方法上述算法用數(shù)學(xué)公式表示如下：10(,)()2ppccpcpLBPxySgg==(2.1)1,0()0,0xSxx=(2.2)

Gabor特征

【參考文獻(xiàn)】：
期刊論文
[1]基于A(yíng)daBoost的場(chǎng)景車(chē)牌號(hào)精確定位研究[J]. 王健,李中浩.  北華航天工業(yè)學(xué)院學(xué)報(bào). 2019(06)
[2]基于視頻的行人再識(shí)別[J]. 胡彬,楊鋮,邵葉秦,楊賽.  南京航空航天大學(xué)學(xué)報(bào). 2019(05)
[3]Scratch Detection Algorithm of Car Surface Based on Directional Color SUSAN Operator[J]. WANG Zhen,XIE Qiang,DING Qiulin.  Transactions of Nanjing University of Aeronautics and Astronautics. 2019(03)
[4]融合卷積神經(jīng)網(wǎng)絡(luò)與Adaboost算法的病害松樹(shù)識(shí)別[J]. 胡根生,殷存軍,張艷,方怡,朱艷秋.  安徽大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[5]基于LBP卷積神經(jīng)網(wǎng)絡(luò)的面部表情識(shí)別[J]. 江大鵬,楊彪,鄒凌.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(07)
[6]Facial expression recognition based on fusion of extended LDP and Gabor features[J]. Luo Yuan,Yu Chaojing,Zhang Yi,Wang Boyu.  The Journal of China Universities of Posts and Telecommunications. 2018(01)
[7]基于不同分塊多特征優(yōu)化融合的人臉識(shí)別研究[J]. 賈明興,杜俊強(qiáng),宋鵬飛,田澍.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[8]基于自動(dòng)提取特征點(diǎn)的三維人臉表情識(shí)別[J]. 岳雷,沈庭芝.  北京理工大學(xué)學(xué)報(bào). 2016(05)
[9]局部Bagging方法及其在人臉識(shí)別中的應(yīng)用（英文）[J]. 朱玉蓮.  Transactions of Nanjing University of Aeronautics & Astronautics. 2010(03)
[10]基于ICA與HMM的表情識(shí)別[J]. 周書(shū)仁,梁昔明,朱燦,楊秋芬.  中國(guó)圖象圖形學(xué)報(bào). 2008(12)



本文編號(hào)：2983662