近些年隨著科技的發(fā)展,模式識(shí)別和機(jī)器視覺領(lǐng)域得到越來越多的重視,面部表情識(shí)別正是其中一個(gè)重要的研究方向,特別在汽車安全駕駛監(jiān)控、遠(yuǎn)程互動(dòng)教學(xué)、游戲娛樂等領(lǐng)域有廣闊的應(yīng)用前景。但是目前面部表情識(shí)別存在識(shí)別速度慢、準(zhǔn)確率低的缺點(diǎn),不能滿足識(shí)別快、準(zhǔn)確率高的應(yīng)用要求,因此提高識(shí)別率、縮短處理時(shí)間對(duì)面部表情識(shí)別有重要意義。本論文對(duì)面部表情識(shí)別過程進(jìn)行了分析,選擇基于局部二值模式（Local Binary Patterns,LBP）的改進(jìn)形式進(jìn)行表情圖像特征提取,對(duì)表情分類則應(yīng)用改進(jìn)的極限學(xué)習(xí)機(jī)（Extreme Learning Machine,ELM）,主要工作如下:首先,設(shè)計(jì)一種表情采集裝置,該裝置的優(yōu)點(diǎn)是:可以靈活移動(dòng),減弱光照噪聲對(duì)圖像識(shí)別的影響;同時(shí)可以與計(jì)算機(jī)等外部設(shè)備進(jìn)行實(shí)時(shí)聯(lián)系,充分利用網(wǎng)絡(luò)資源,具有一定的應(yīng)用前景和商業(yè)價(jià)值。其次,將獲取的表情圖像,由時(shí)域轉(zhuǎn)化為對(duì)數(shù)-拉普拉斯域中,在其中進(jìn)行圖像預(yù)處理,對(duì)圖像光照明暗不均、陰影等缺陷進(jìn)行修正,進(jìn)一步優(yōu)化面部圖像;為了提高圖像特征提取時(shí)的速度,采用雙局部二值模式（Double Local Binary Patterns,DLBP）,... 

【文章來源】：蘭州交通大學(xué)甘肅省

【文章頁數(shù)】：55 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

表情識(shí)別應(yīng)用領(lǐng)域

- 5 -圖 2.1 微表情采集裝置示意圖程中，實(shí)驗(yàn)人員須頭戴耳機(jī)觀看屏幕播放驗(yàn)人員表情進(jìn)行保存，保存的表情傳輸?shù)嚼砗蟮膱D片信息發(fā)送給計(jì)算機(jī)，計(jì)算機(jī)進(jìn)行供電，維持裝置的正常工作。和裝置特點(diǎn)移動(dòng)過程感光傳感器、控制模塊、舵機(jī)和萬向輪等光照信息與已設(shè)置的參數(shù)進(jìn)行比對(duì)，若光；若偏離閾值范圍，則控制舵機(jī)驅(qū)動(dòng)萬向采集，如圖 2.2 所示。

面部表情分類算法研究- 6 -圖 2.2 裝置感光移動(dòng)示意圖2.2.2 采集裝置的圖像采集處理過程圖像采集處理的具體流程如圖 2.3 所示。圖像采集處理系統(tǒng)主要包括攝像頭、圖像預(yù)處理模塊、WIFI 模塊和計(jì)算機(jī)。圖 2.3 圖像采集處理過程示意圖表情圖像采集(S1)：通過攝像頭采集被測(cè)者的面部表情圖像序列，攝像頭四周含有殼體，一方面可以保護(hù)攝像頭不受損壞；另一方面可以遮擋側(cè)向進(jìn)入鏡頭的光線，有效解決周圍光干擾問題，得到更優(yōu)質(zhì)的表情圖像序列，攝像頭如圖 2.4 所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)蝙蝠算法優(yōu)化支持向量機(jī)的變壓器故障診斷研究[J]. 田曉飛.  黑龍江電力. 2019(01)
[2]人臉識(shí)別技術(shù)在高校管理中的系統(tǒng)設(shè)計(jì)與應(yīng)用[J]. 李歡歡.  電子技術(shù)與軟件工程. 2018(21)
[3]基于人機(jī)互動(dòng)的語音識(shí)別技術(shù)綜述[J]. 李雪林.  電子世界. 2018(21)
[4]指紋識(shí)別技術(shù)在身份認(rèn)證中的應(yīng)用與研究[J]. 劉振,王國仕,莫云,黃曉靜,鄒小娟.  信息記錄材料. 2018(11)
[5]粒子群優(yōu)化Canny算子在高精度接觸角測(cè)量中的應(yīng)用研究[J]. 張?zhí)?田漢民,戎小瑩,趙昆越,郭丹.  河北工業(yè)大學(xué)學(xué)報(bào). 2018(03)
[6]多因子進(jìn)化算法研究進(jìn)展[J]. 徐慶征,楊恒,王娜,伍國華,江巧永.  計(jì)算機(jī)工程與應(yīng)用. 2018(11)
[7]融合局部特征與深度置信網(wǎng)絡(luò)的人臉表情識(shí)別[J]. 王琳琳,劉敬浩,付曉梅.  激光與光電子學(xué)進(jìn)展. 2018(01)
[8]基于積分投影和模板匹配的人眼定位算法研究[J]. 亢潔,李靜.  陜西科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[9]基于視頻圖像的面部表情識(shí)別研究綜述[J]. 梅英,譚冠政,劉振燾.  湖南文理學(xué)院學(xué)報(bào)(自然科學(xué)版). 2016(03)
[10]一種基于小波零樹編碼和K-mean聚類的圖像壓縮的實(shí)現(xiàn)[J]. 陳慧,龍飛,段智云.  軟件. 2016(02)

碩士論文
[1]基于圖像識(shí)別的人臉表情特征的提取分析[D]. 付雪平.深圳大學(xué) 2017
[2]基于人臉識(shí)別技術(shù)的面部表情研究[D]. 趙虹.哈爾濱理工大學(xué) 2017
[3]基于改進(jìn)蟻群算法的圖像邊緣檢測(cè)[D]. 楊豐駿.太原理工大學(xué) 2016
[4]面部反饋在微表情識(shí)別中的作用[D]. 何玲玲.湖南師范大學(xué) 2014
[5]基于SVM的人臉表情識(shí)別研究[D]. 李玉朵.河北工程大學(xué) 2012
[6]基于人臉表情識(shí)別的情感研究[D]. 朱曉明.浙江工業(yè)大學(xué) 2011
[7]自動(dòng)人臉表情識(shí)別[D]. 施興華.西安電子科技大學(xué) 2009



本文編號(hào)：3230832