人臉表情作為傳遞情感信息的載體,在人機(jī)交互過程中發(fā)揮著不可替代的作用。傳統(tǒng)表情特征提取方法靈活性差,提取的特征容易受到復(fù)雜環(huán)境影響。而使用深度學(xué)習(xí)方法獲取特征需要大量的訓(xùn)練數(shù)據(jù),數(shù)據(jù)量不足會導(dǎo)致模型產(chǎn)生過擬合,同時訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)耗時費(fèi)力。因此,研究表情特征獲取以及提高表情識別率的有效方法是人臉表情識別技術(shù)研究的重點。針對LBP特征易受噪聲干擾,并且LBP特征采用單個像素點灰度值之間的比較方式難以描述灰度變化,忽略了表情圖像的整體結(jié)構(gòu),導(dǎo)致部分特征信息丟失。本文通過擴(kuò)展LBP算子的鄰域尺寸,提出了一種改進(jìn)的LBP特征提取算法。該算法采用局部鄰域像素點的加權(quán)灰度值代替單個鄰域像素點的灰度值,將鄰域像素點的加權(quán)灰度值與中心像素點的灰度值做差運(yùn)算取其絕對值,然后將其平均值用于LBP編碼進(jìn)行表情特征提取,加強(qiáng)了表情圖像中各像素點之間的聯(lián)系。針對人臉表情特征分類,考慮SVM具有強(qiáng)大的非線性分類能力,將改進(jìn)的LBP特征與SVM分類器結(jié)合,設(shè)計了一種人臉表情識別方法。該方法首先采用改進(jìn)LBP算法對經(jīng)過預(yù)處理的表情圖像提取特征向量,然后通過一對一策略構(gòu)建SVM分類器,對獲取的表情特征進(jìn)行學(xué)習(xí)。利用公開... 

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于CNN

CK人臉表情數(shù)據(jù)集

JAFFE人臉表情數(shù)據(jù)集


本文編號：3655061