人臉表情是與生俱來反映人情緒變化的生物特征�；谌四樆顒�(dòng)單元編碼系統(tǒng)分類獲得的七種基本表情在不同個(gè)體之間具備相同的情緒含義,這一分類方法使表情的分類具備了科學(xué)標(biāo)準(zhǔn)與量化分析的可能性。隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展,表情的分類可以通過機(jī)器識(shí)別和神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)自動(dòng)化操作,讓計(jì)算機(jī)模仿人眼實(shí)現(xiàn)對(duì)人臉表情的正確辨別。在表情識(shí)別研究上逐漸形成了從人臉檢測(cè)、特征處理到表情分類三個(gè)基本流程。其中,人臉檢測(cè)旨在解決人臉定位問題,為特征處理確定具體區(qū)域。特征處理主要包括特征提取、降維和分類,其中特征的提取可以根據(jù)分類器設(shè)計(jì)的需要使用不同的核函數(shù)提取出相適用的特征種類。表情分類是實(shí)現(xiàn)表情正確識(shí)別的關(guān)鍵步驟。研究過程中存在著諸多影響正確率的問題,比如光照、姿態(tài)、尺度等。本文對(duì)圖像的預(yù)處理、特征提取及表情分類進(jìn)行了研究,主要研究工作如下:1、惡劣光照條件下人臉檢測(cè)問題。在日常環(huán)境中進(jìn)行拍照或錄像往往無法避免光照因素的影響。特別是在夜間、燈光及遮擋環(huán)境下非常容易導(dǎo)致無法有效檢測(cè)人臉的情況,在安檢、監(jiān)控以及夜間拍攝上會(huì)影響效率甚至造成失誤。為降低甚至避免光照因素造成的不良影響,本研究針對(duì)惡劣光照條件下人臉的檢測(cè)進(jìn)行了... 

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景和意義
        1.1.1 情緒的含義
        1.1.2 表情與情緒
        1.1.3 表情識(shí)別的意義
    1.2 表情識(shí)別的發(fā)展與現(xiàn)狀
        1.2.1 表情識(shí)別的早期研究
        1.2.2 表情識(shí)別的研究現(xiàn)狀
        1.2.3 基于傳統(tǒng)機(jī)器學(xué)習(xí)方法的表情識(shí)別研究
        1.2.4 基于深度學(xué)習(xí)方法的表情識(shí)別研究
        1.2.5 對(duì)比選擇
    1.3 表情識(shí)別存在的問題
    1.4 研究目標(biāo)
第2章 人臉檢測(cè)算法
    2.1 面部特征點(diǎn)定位
    2.2 特征提取及分類
        2.2.1 Haar-like特征提取算法
        2.2.2 Adaboost自適應(yīng)增強(qiáng)算法
        2.2.3 實(shí)現(xiàn)檢測(cè)
第3章 人臉的歸一化
    3.1 圖像的準(zhǔn)備工作
        3.1.1 數(shù)據(jù)庫(kù)簡(jiǎn)介
        3.1.2 基于FACS的樣本分類
    3.2 光照歸一化
        3.2.1 光照問題研究意義
        3.2.2 光照歸一化常用方法
        3.2.3 改進(jìn)光照補(bǔ)償方法
    3.3 人臉對(duì)齊
        3.3.1 姿態(tài)歸一化
        3.3.2 尺度歸一化
    3.4 人臉局部區(qū)域的分割
        3.4.1 傳統(tǒng)的圖像分割
        3.4.2 ERT特征點(diǎn)定位局部分割
        3.4.3 ERT特征點(diǎn)定位深度分割
第4章 人臉的特征提取和分類
    4.1 特征提取的意義
    4.2 特征提取的方法
    4.3 紋理特征優(yōu)勢(shì)
    4.4 基于LBP的特征提取
    4.5 LBP特征的分類
    4.6 仿真分析結(jié)果
第5章 表情識(shí)別系統(tǒng)設(shè)計(jì)
    5.1 樣本訓(xùn)練
    5.2 表情識(shí)別
    5.3 圖像處理部分工作展示
        5.3.1 人臉規(guī)則分割核心程序段
        5.3.2 閾值分割直方圖均衡化核心程序段
        5.3.3 特征點(diǎn)定位及不規(guī)則分割核心程序段
第6章 總結(jié)與展望
    6.1 研究總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝
英文縮寫檢索表


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的非極大值抑制算法的目標(biāo)檢測(cè)[J]. 趙文清,嚴(yán)海,邵緒強(qiáng).  中國(guó)圖象圖形學(xué)報(bào). 2018(11)
[2]基于直方圖均衡化圖像增強(qiáng)的兩種改進(jìn)方法[J]. 董麗麗,丁暢,許文海.  電子學(xué)報(bào). 2018(10)
[3]基于Adaboost算法的人臉檢測(cè)及OpenCV實(shí)現(xiàn)[J]. 丁業(yè)兵.  電腦知識(shí)與技術(shù). 2018(27)
[4]人臉表情識(shí)別綜述[J]. 楊曉龍,閆河,張楊.  數(shù)字技術(shù)與應(yīng)用. 2018(02)
[5]基于深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的人臉表情識(shí)別綜述[J]. 劉念,王楓.  科技資訊. 2018(04)
[6]融合面部表情和肢體動(dòng)作特征的情緒識(shí)別[J]. 汪偉鳴,邵潔.  電視技術(shù). 2018(01)
[7]基于拉普拉斯金字塔的Gabor特征人臉識(shí)別算法[J]. 吳定雄,景小平,張力戈,王文彬.  計(jì)算機(jī)應(yīng)用. 2017(S2)
[8]人臉表情識(shí)別在智能機(jī)器人中的應(yīng)用研究[J]. 潘崢嶸,賀秀偉.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(02)
[9]基于深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的人臉表情識(shí)別綜述[J]. 王信,汪友生.  應(yīng)用科技. 2018(01)
[10]人臉表情識(shí)別在嬰兒看護(hù)中的應(yīng)用[J]. 李嘉良,范亦凡,展雯慧,黎箐箐.  數(shù)碼世界. 2017(08)

碩士論文
[1]局部遮擋條件下的魯棒表情識(shí)別方法研究與系統(tǒng)實(shí)現(xiàn)[D]. 李蕊.北京工業(yè)大學(xué) 2015
[2]光照魯棒的人臉檢測(cè)和人臉識(shí)別方法研究[D]. 秦攀.華東理工大學(xué) 2014
[3]人臉表情識(shí)別及其在輔助醫(yī)護(hù)中的應(yīng)用[D]. 楊爽.南京理工大學(xué) 2010
[4]基于兩級(jí)Adaboost的LBP快速人臉識(shí)別的實(shí)現(xiàn)與應(yīng)用[D]. 褚力.復(fù)旦大學(xué) 2008



本文編號(hào)：3688824