基于非负稀疏矩阵分解的人脸表情识别

摘要

表情是人类交流的重要的非语言信息，是传递人类感情的重要方法。作为情感计算领域和智能化人机交互技术的重要研究课题，人脸表情识别技术近年来得到了广泛的关注和快速的发展。通常情况下，人脸表情识别系统分为三个主要研究模块，分别为人脸检测与预处理模块、表情特征提取模块和表情分类模块。本文针对以上内容展开了深入研究，主要研究工作如下：
　　（1）概述了人脸表情识别的目的意义以及表情特征提取和表情分类的研究现状，通过阅读文献，总结了2006年至今的国内外人脸表情识别技术的最新发展。
　　（2）对检测到的人脸图像进行了光照补偿和几何校正。光照补偿方法主要研究了直方图均衡化、Gamma校正、同态滤波、Isotropic滤波和Anisotropic滤波五种方法，并对Gamma校正进行了改进，建立自适应Gamma校正函数，提高了Gamma校正的自适应性的同时减弱了失真效果。同时采用分块灰度积分投影算法定位人眼，并通过人眼坐标对图像进行旋转校正，有效解决了因头部旋转造成的平面偏移问题。
　　（3）详细介绍了非负矩阵分解、局部非负矩阵分解和稀疏非负矩阵分解的基本理论、目标函数和迭代算法，通过原理和实验两个方面的对比，阐述了NMF算法、LNMF算法和SNMF算法在表情特征提取方面的优缺点，并对特征基个数和稀疏因子等参数的选取进行了实验分析和讨论。
　　（4）改进了传统的非负矩阵分解算法，提出了类内分块局部加权的稀疏矩阵分解算法，即BWNMF、BWLNMF和BWSNMF算法。通过分块处理将训练样本分成若干个子模式，并根据各子模式对表情识别的不同贡献加以不同的权值，充分发挥了局部特征对表情分类的优势，并讨论了不同的分块方式对表情分类的影响。
　　（5）研究了支持向量机 SVM的分类原理。对于表情识别这种多类分类问题，介绍了三种分类方法，分别是“一对多”SVM、“一对一”SVM和二叉树SVM，并在训练时间和分类速度上对比了它们的分类效果，最终本文选用了基于二叉树的支持向量机进行表情识别，并从层次聚类的思想出发使生成的二叉树的训练结构是一棵近似完全二叉树。
　　根据以上研究内容，搭建了基于非负稀疏矩阵分解的人脸表情识别系统，并选用JAFFE标准表情库和实验室采集的表情库进行测试，系统的识别结果表明NMF及其改进算法在表情识别上是有效的。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1课题研究的目的与意义

1.2人脸表情识别的研究现状

1.3本文的研究内容与结构安排

第2章 人脸图像的光照补偿与几何校正

2.1引言

2.2光照补偿方法的研究

2.3光照补偿方法的实验结果与分析

2.4图像的几何平面旋转校正

2.5本章小结

第3章 基于非负稀疏矩阵分解的表情识别

3.1引言

3.2非负矩阵分解的算法原理及在表情识别中的应用

3.3局部非负矩阵分解的算法原理及在表情识别中的应用

3.4非负稀疏矩阵分解的算法原理及在表情识别中的应用

3.5实验结果与分析

3.6本章小结

第4章 基于分块加权的人脸表情识别

4.1引言

4.2分块加权算法的基本原理

4.3分块加权算法与稀疏矩阵分解算法的融合

4.4实验结果与分析

4.5本章小结

第5章 基于支持向量机的分类器设计

5.1引言

5.2支持向量机的映射原理

5.3多类分类支持向量机

5.4二叉树SVM的层次设计

5.5不同SVM分类器对表情识别的影响

5.6 本章小结

第6章 人脸表情识别系统设计与实现

6.1人脸表情识别系统的介绍

6.2表情数据库

6.3系统实验平台

6.4人脸表情识别系统展示

6.5本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢