本文關(guān)鍵詞：基于流形學(xué)習(xí)的人臉表情識別算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：表情識別是理解情感的基礎(chǔ),是智能化人機交互所要解決的一個重要課題,也是人們探索智能、理解智能的有效途徑。由于人臉表情本身的多樣性和非線性特點,用線性處理方法很難獲得令人滿意的識別結(jié)果。本文主要對基于流形學(xué)習(xí)的人臉表情特征提取方法進(jìn)行了研究,目標(biāo)是解決監(jiān)督學(xué)習(xí)中小樣本情況下的識別問題和半監(jiān)督學(xué)習(xí)中有標(biāo)記樣本數(shù)量有限情況下的識別問題,論文的主要貢獻(xiàn)如下： 第一,將基于線的相似度度量(最近特征線)引入流形學(xué)習(xí)準(zhǔn)則,構(gòu)建基于線的近鄰圖,提出了模糊局部最近特征線算法(FLNFL)。不同于傳統(tǒng)的近鄰圖,特征線圖中的每個“頂點”不是孤立的樣本點,而是由同類別的樣本點構(gòu)成的特征線。特征線能夠逼近樣本間可能出現(xiàn)的變化,等同于模擬出無窮多個特征點,樣本集的表示能力便因此增強了。此外,采用模糊方法計算樣本的類隸屬度和權(quán)重矩陣,從而減弱了相似樣本之間的混疊,準(zhǔn)確的刻畫樣本的內(nèi)在關(guān)系。實驗結(jié)果表明FLNFL可以有效的提取人臉表情特征,提高人臉表情識別的準(zhǔn)確度。特別是在規(guī)模較小的JAFFE表情庫上,FLNFL算法的優(yōu)勢更為明顯。 第二,分析了最短特征線段分類器的優(yōu)勢和不足,提出了一種新的基于線的相似度度量,稱為改進(jìn)的最短特征線段。該度量方法將最近特征線和最短特征線段相融合,避免了二者的缺點,同時保留了擴大樣本表示容量的優(yōu)勢。將這種新的度量方法用于構(gòu)建鄰域圖,并結(jié)合判別分析的思想提出了圖保持最短特征線段算法(GSFLS)。實驗證明,相比基于最近特征線度量的特征提取算法,GSFLS提取出的人臉表情特征判別性更強。 第三,傳統(tǒng)的基于圖的半監(jiān)督流形算法利用有標(biāo)記樣本挖掘類別結(jié)構(gòu),大量的無標(biāo)記樣本用于捕獲數(shù)據(jù)集的流形拓?fù)浣Y(jié)構(gòu),其潛在的類別信息被忽略了,該信息對獲得數(shù)據(jù)集的判別性結(jié)構(gòu)大有幫助。當(dāng)有標(biāo)記樣本的數(shù)量較少時,得到的對類別結(jié)構(gòu)的刻畫是不準(zhǔn)確的,導(dǎo)致算法的性能嚴(yán)重退化。為了解決上述問題,提出了概率半監(jiān)督判別分析算法(PSDA)。該方法構(gòu)建了類重建誤差與類別信息的非線性函數(shù)關(guān)系,并引入模糊化思想,估計無標(biāo)記樣本的類隸屬度。在類隸屬度的指導(dǎo)下,大量無標(biāo)記數(shù)據(jù)可以輔助標(biāo)記樣本對數(shù)據(jù)集的分布進(jìn)行更加準(zhǔn)確的描述。實驗結(jié)果表明這種分配方式更適合表示由于內(nèi)在的(如混合表情)或外部環(huán)境變化造成的類別不確定的表情樣本,逼近樣本集的內(nèi)在結(jié)構(gòu)。對于提高人臉表情識別的正確率效果顯著。 第四,在PSDA算法的基礎(chǔ)上,提出了其流形拓廣算法——圖嵌入概率判別分析(GPSDA)。首先給出模糊集的相似度定義,用于度量無標(biāo)記樣本的模糊類別信息之間的相似關(guān)系。其次,結(jié)合類別關(guān)系和鄰域關(guān)系構(gòu)建監(jiān)督的鄰域圖和鄰接矩陣。相比已有的半監(jiān)督流形算法,構(gòu)建的監(jiān)督鄰域圖在挖掘數(shù)據(jù)集的整體幾何結(jié)構(gòu)的同時,提高了算法的判別能力。最后,采用判別分析思想構(gòu)建目標(biāo)函數(shù)。實驗表明,GPSDA對人臉識別和表情識別比其他相關(guān)的半監(jiān)督流形學(xué)習(xí)方法更加有效,并且對有標(biāo)記訓(xùn)練樣本不足時的識別問題具有一定的魯棒性。
【關(guān)鍵詞】：人臉表情識別 特征提取 流形學(xué)習(xí) 相似度度量 最近特征線 半監(jiān)督學(xué)習(xí)
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 致謝5-6
• 摘要6-8
• ABSTRACT8-10
• 主要~.略詞10-14
• 1 緒論14-38
• 1.1 研究背景和研究意義14-16
• 1.2 國內(nèi)外研究現(xiàn)狀16-30
• 1.2.1 概述16-18
• 1.2.2 表情特征的研究現(xiàn)狀18-30
• 1.2.3 研究成果應(yīng)用情況30
• 1.3 存在的問題30-31
• 1.4 常用的人臉表情數(shù)據(jù)庫31-33
• 1.5 論文主要工作與章節(jié)安排33-38
• 1.5.1 論文主要工作33-35
• 1.5.2 論文章節(jié)安排35-38
• 2 流形學(xué)習(xí)方法的基本理論38-50
• 2.1 流形與流形學(xué)習(xí)38-39
• 2.1.1 流形的概念38
• 2.1.2 流形學(xué)習(xí)的基本思想38-39
• 2.2 流形學(xué)習(xí)算法39-45
• 2.2.1 等距映射(Isomap)40-41
• 2.2.2 局部線性嵌入(LLE)41-43
• 2.2.3 拉普拉斯特征映射(LE)43-44
• 2.2.4 局部切空間排列(LTSA)44-45
• 2.3 基于譜圖理論的流形學(xué)習(xí)框架45-49
• 2.4 本章小結(jié)49-50
• 3 模糊局部最近特征線算法50-66
• 3.1 最近特征線度量50-52
• 3.2 基于模糊最近特征線的流形學(xué)習(xí)方法52-64
• 3.2.1 模糊局部最近特征線(FLNFL)53-56
• 3.2.2 實驗結(jié)果與分析56-64
• 3.3 本章小結(jié)64-66
• 4 圖保持最短特征線段算法66-82
• 4.1 最短特征線段分類器66-69
• 4.2 圖保持最短特征線段(GSFLS)69-80
• 4.2.1 半監(jiān)督學(xué)習(xí)的發(fā)展現(xiàn)狀69-74
• 4.2.2 實驗結(jié)果與分析74-80
• 4.3 本章小結(jié)80-82
• 5 基于概率的半監(jiān)督判別分析算法82-114
• 5.1 基于圖的半監(jiān)督學(xué)習(xí)82-86
• 5.1.1 半監(jiān)督線性判別分析算法(SSLDA)83-84
• 5.1.2 半監(jiān)督降維算法（SSDR)84-86
• 5.2 概率半監(jiān)督判別分析(PSDA)86-97
• 5.2.1 算法描述87-90
• 5.2.2 實驗結(jié)果與分析90-97
• 5.3 圖嵌入概率半監(jiān)督判別分析(GPSDA)97-111
• 5.3.1 算法描述97-101
• 5.3.2 實驗結(jié)果與分析101-111
• 5.4 本章小結(jié)111-114
• 6 基于流形學(xué)習(xí)的人臉表情識別系統(tǒng)114-124
• 6.1 系統(tǒng)概述114-115
• 6.2 系統(tǒng)功能模塊115-123
• 6.2.1 預(yù)處理模塊115-117
• 6.2.2 訓(xùn)練模塊117-118
• 6.2.3 測試模塊118-123
• 6.3 本章小結(jié)123-124
• 7 總結(jié)與展望124-128
• 7.1 論文工作總結(jié)124-125
• 7.2 后續(xù)工作展望125-128
• 參考文獻(xiàn)128-138
• 作者簡歷及攻讀博士學(xué)位期間取得的研究成果138-142
• 學(xué)位論文數(shù)據(jù)集142

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 左坤隆,劉文耀;基于活動外觀模型的人臉表情分析與識別[J];光電子·激光;2004年07期

2 朱健翔;蘇光大;李迎春;;結(jié)合Gabor特征與Adaboost的人臉表情識別[J];光電子·激光;2006年08期

3 張振躍,查宏遠(yuǎn);線性低秩逼近與非線性降維[J];中國科學(xué)(A輯:數(shù)學(xué));2005年03期

4 王志良;劉芳;王莉;;基于計算機視覺的表情識別技術(shù)綜述[J];計算機工程;2006年11期

5 李賢帥;李贛華;周東翔;蔡宣平;樊瑋虹;;基于人眼定位的快速人臉檢測及歸一化算法[J];計算機工程與科學(xué);2006年12期

6 高文，金輝;面部表情圖像的分析與識別[J];計算機學(xué)報;1997年09期

7 黃啟宏;劉釗;;流形學(xué)習(xí)中非線性維數(shù)約簡方法概述[J];計算機應(yīng)用研究;2007年11期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 尹峻松;流形學(xué)習(xí)理論與方法研究及在人臉識別中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2007年

2 付曉峰;基于二元模式的人臉識別與表情識別研究[D];浙江大學(xué);2008年

3 金一;人臉識別中的若干算法研究[D];北京交通大學(xué);2009年

  本文關(guān)鍵詞：基于流形學(xué)習(xí)的人臉表情識別算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：489561