隨著計(jì)算機(jī)技術(shù)和人工智能技術(shù)的迅猛發(fā)展,面部表情識(shí)別技術(shù)作為智能化人機(jī)交互的重要手段具有廣闊的應(yīng)用前景。雖然目前眾多面部表情識(shí)別算法已取得較好的識(shí)別性能,但面部表情識(shí)別系統(tǒng)在實(shí)際應(yīng)用中仍面臨很多問題。通常獲得的欠完備訓(xùn)練數(shù)據(jù)是人臉身份和表情特征的融合圖像,這兩者之間互相影響。對(duì)于表情識(shí)別問題,原始的圖像可理解為人臉身份和表情特征的混合空間,其中人臉身份為干擾空間,而表情特征則為有效空間。因此,如何解耦有效的表情特征同時(shí)抑制人臉身份對(duì)表情特征的影響,并設(shè)計(jì)獨(dú)立于人臉身份的自動(dòng)表情識(shí)別系統(tǒng)具有重要的理論和應(yīng)用價(jià)值。本文從特征提取角度入手,針對(duì)欠完備數(shù)據(jù)融合人臉身份和表情特征的特點(diǎn),構(gòu)建基于解耦空間特征學(xué)習(xí)識(shí)別模型。特征提取從淺層特征和深層特征兩方面入手,分別構(gòu)建基于先驗(yàn)知識(shí)解耦空間和自學(xué)習(xí)解耦空間的表情識(shí)別算法。具體研究內(nèi)容如下:(1)根據(jù)欠完備數(shù)據(jù)融合人臉身份和表情特征的問題,分別提出基于獨(dú)立人臉身份的協(xié)同表示識(shí)別算法及基于字典學(xué)習(xí)特征空間的稀疏表示識(shí)別算法�；讵�(dú)立人臉身份的協(xié)同表示識(shí)別算法首先將原始空間轉(zhuǎn)化到表情空間并將欠完備的表情訓(xùn)練樣本進(jìn)行擴(kuò)展,以彌補(bǔ)小樣本對(duì)識(shí)別結(jié)果帶來的不足,...

【文章頁數(shù)】：123 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的研究內(nèi)容
    1.4 本文主要貢獻(xiàn)和章節(jié)安排
第2章 稀疏表示相關(guān)理論
    2.1 引言
    2.2 稀疏表示理論
    2.3 協(xié)同表示理論
    2.4 概率協(xié)同表示理論
    2.5 本章小結(jié)
第3章 基于先驗(yàn)知識(shí)特征學(xué)習(xí)識(shí)別算法
    3.1 引言
    3.2 基于獨(dú)立人臉身份的協(xié)同表示識(shí)別算法
        3.2.1 IFRC算法原理
        3.2.2 實(shí)驗(yàn)仿真及結(jié)果分析
        3.2.3 IFRC算法分析
        3.2.4 性能評(píng)價(jià)
    3.3 基于字典學(xué)習(xí)特征空間的稀疏表示識(shí)別算法
        3.3.1 特征字典模型及DLFS_SRC算法
        3.3.2 實(shí)驗(yàn)仿真及結(jié)果分析
        3.3.3 DLFS_SRC算法分析
        3.3.4 性能評(píng)價(jià)
    3.4 本章小結(jié)
第4章 基于低秩稀疏誤差字典的概率協(xié)同表示識(shí)別算法
    4.1 引言
    4.2 LRSE_ProCRC算法描述
    4.3 實(shí)驗(yàn)仿真及結(jié)果分析
        4.3.1 特征方法對(duì)比實(shí)驗(yàn)
        4.3.2 分類方法對(duì)比實(shí)驗(yàn)
        4.3.3 訓(xùn)練樣本對(duì)比實(shí)驗(yàn)
        4.3.4 噪聲變量對(duì)比實(shí)驗(yàn)
    4.4 算法分析
    4.5 本章小結(jié)
第5章 基于像素差值表示的區(qū)分性特征學(xué)習(xí)識(shí)別算法
    5.1 引言
    5.2 區(qū)分性特征字典及DFL_PDR算法
        5.2.1 構(gòu)建區(qū)分性特征字典
        5.2.2 垂直二維線性判別分析
        5.2.3 分類準(zhǔn)則
    5.3 實(shí)驗(yàn)仿真及結(jié)果分析
        5.3.1 不同參數(shù)對(duì)比
        5.3.2 平均識(shí)別率及運(yùn)行時(shí)間對(duì)比
        5.3.3 表情類識(shí)別率對(duì)比
    5.4 DFL_PDR算法分析
    5.5 本章小結(jié)
第6章 基于自學(xué)習(xí)的深層特征識(shí)別算法
    6.1 引言
    6.2 基于深度子空間特征核映射的稀疏表示識(shí)別算法
        6.2.1 深度子空間模型
        6.2.2 核空間映射
        6.2.3 分類準(zhǔn)則
        6.2.4 實(shí)驗(yàn)仿真及結(jié)果分析
        6.2.5 性能評(píng)價(jià)
    6.3 基于深度子空間特征二步表示分類識(shí)別算法
        6.3.1 TPRC算法原理
        6.3.2 實(shí)驗(yàn)仿真及結(jié)果分析
        6.3.3 TPRC算法分析
    6.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀博士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝



本文編號(hào)：3853725