本文關(guān)鍵詞：基于圖像識(shí)別的人臉表情特征的提取分析

  更多相關(guān)文章： 人臉表情識(shí)別 情感計(jì)算 ASM 二叉樹 SVM

【摘要】：隨著科技產(chǎn)品的更新迭代,人機(jī)交互如何更加智能化成為一項(xiàng)很重要的課題,而情感是人類在進(jìn)行交流時(shí)最直觀的表現(xiàn),所以在人機(jī)交互中,情感就變成了一種很重要的信息資源。通常情感計(jì)算的研究包含三個(gè)方面:面部表情的識(shí)別、語音的識(shí)別和人體行為姿勢(shì)的識(shí)別。本文主要以表情識(shí)別為主要研究?jī)?nèi)容,對(duì)人物情感進(jìn)行了分析。另外,隨著多媒體設(shè)備的普及,網(wǎng)絡(luò)視頻數(shù)量的不斷增長(zhǎng),通過人物情感進(jìn)行視頻分類,可以加強(qiáng)網(wǎng)絡(luò)視頻的管理并提升觀眾的用戶體驗(yàn)。本文主要內(nèi)容如下:1.圖像預(yù)處理。對(duì)人臉進(jìn)行情感特征提取首先需要鎖定人臉區(qū)域,而收集到的樣本數(shù)據(jù)由于背景、光線、圖像尺度的影響存在著大量的圖像噪聲,同時(shí)人臉圖像由于角度的旋轉(zhuǎn)也可能不是規(guī)范的正面人臉。因此在表情識(shí)別前就需要對(duì)圖像進(jìn)行預(yù)處理,提取出相應(yīng)的人臉區(qū)域。本文利用Adaboost算法進(jìn)行人臉檢測(cè),使用雙眼坐標(biāo)位置進(jìn)行傾斜校正,為后續(xù)的表情識(shí)別做好鋪墊。2.特征提取。通過提取數(shù)據(jù)樣本的幾何特征和紋理特征對(duì)表情進(jìn)行識(shí)別后,結(jié)合Gabor小波特征算子和均勻局部二值模式(ULBP)算子對(duì)圖像進(jìn)行紋理特征提取,使用主動(dòng)形狀模型(ASM)進(jìn)行幾何特征點(diǎn)定位,通過圖像幾何特征點(diǎn)間的距離,總結(jié)了度量表情幾何特征點(diǎn)距離的關(guān)鍵特征點(diǎn),提取相應(yīng)人臉表情的幾何特征。3.特征降維。Gabor小波在對(duì)紋理特征進(jìn)行提取時(shí),會(huì)導(dǎo)致特征維數(shù)高,內(nèi)存空間消耗大,故本文采用稀疏法和主成分分析法(PCA)進(jìn)行特征降維。通過數(shù)據(jù)集測(cè)試,對(duì)此方法的準(zhǔn)確度進(jìn)行了比較和分析。4.表情識(shí)別。表情識(shí)別是一個(gè)多分類問題,本文采用優(yōu)化的基于二叉樹實(shí)現(xiàn)多分類的支持向量機(jī)(RB-OVR-SVM)算法,構(gòu)建相應(yīng)的劃分函數(shù),對(duì)表情進(jìn)行識(shí)別。5.視頻分類。根據(jù)研究的表情識(shí)別方法對(duì)網(wǎng)上視頻進(jìn)行人臉檢測(cè)和表情識(shí)別,繪制出相應(yīng)的情感變化曲線,根據(jù)已有的心理學(xué)和概率學(xué)信息,歸納各類視頻段的情感特征,對(duì)視頻進(jìn)行分類。在研究的過程中本文提出了以下創(chuàng)新點(diǎn)和改進(jìn):(1)對(duì)于人臉情感特征的提取使用了紋理特征和幾何特征混合提取方法。(2)對(duì)于人臉情感特征的降維利用稀疏特征挑選方式,對(duì)特征進(jìn)行挑選,在提高計(jì)算速度的同時(shí),有效的保證了識(shí)別精度。(3)優(yōu)化了基于二叉樹多分類支持向量機(jī)算法,并成功用于表情識(shí)別。與之前支持向量機(jī)用于表情識(shí)別的多分類算法相比較,不僅僅提高了表情識(shí)別速度,同時(shí)解決了數(shù)據(jù)不可分的盲點(diǎn)問題。本文通過將紋理特征和篩選后的幾何特征進(jìn)行加權(quán)疊加,充分考慮到了圖像的動(dòng)態(tài)信息;同時(shí)利用RB-OVR-SVM算法,使表情分類準(zhǔn)確率達(dá)到了94.4%。
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前9條

1 劉纓;尹珩;戴文娟;;基于臺(tái)標(biāo)識(shí)別的網(wǎng)絡(luò)視頻分類系統(tǒng)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2016年10期

2 曹小峰;程實(shí);陳翔;陳曉紅;;基于改進(jìn)Kinect的點(diǎn)分布模型面部表情特征提取[J];計(jì)算機(jī)工程與科學(xué);2015年04期

3 謝新洲;安靜;;微信的傳播特征及其社會(huì)影響[J];中國(guó)傳媒科技;2013年11期

4 劉健;劉忠;熊鷹;;改進(jìn)的二叉樹支持向量機(jī)多類分類算法研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年33期

5 惠斌;唐旭晟;羅海波;蘇啟寅;;基于Gabor小波SDF匹配濾波器的人臉識(shí)別[J];信息與控制;2008年05期

6 范玉華;馬建偉;;ASM及其改進(jìn)的人臉面部特征定位算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2007年11期

7 何國(guó)輝;甘俊英;;PCA-LDA算法在性別鑒別中的應(yīng)用[J];計(jì)算機(jī)工程;2006年19期

8 傅小蘭;情感可以計(jì)算嗎?[J];百科知識(shí);2004年08期

9 張浩然;韓正之;李昌剛;;支持向量機(jī)[J];計(jì)算機(jī)科學(xué);2002年12期

，

本文編號(hào)：1291138