基本表情的唇部特征分类算法实现

摘要

人脸表情识别已经成为近年来模式识别、计算机视觉、人工智能等领域的研究热点与难点问题之一，对智能化人机交互技术有着重大意义，在医疗、娱乐、远程教育等应用领域有着巨大的潜在应用价值。在面部做出不同表情时，唇部区域对表情的影响最大，又由于唇部区域研究在唇读技术中也存在着应用价值，因此本文主要针对于面部中的唇部区域进行深入学习和研究，对其提取表情特征，进而对唇部区域的特征进行基本表情的分类。
　　本文采用JAFFE表情数据库，首先对其进行表情图像的预处理，得到同一尺寸的唇部区域图像，进而对其进行唇部区域的几何特征提取以及Gabor特征提取，其中几何特征包括直接几何特征与间接几何特征。提取Gabor特征前对唇部区域图像进行均匀采样，Gabor特征的降维采取Adaboost算法来实现。最后进行基于支持向量机SVM的唇部表情特征分类。
　　论文的最后将本文所用方法与传统表情识别算法在识别率上做出比较，结果证明本文所用方法的优势与有效性。

目录

摘要

第1章 绪论

1．1 引言

1．2 课题研究背景及意义

1．3 人脸表情识别系统概述

1．4 国内外研究现状

1．4．1 表情特征提取

1．4．2 表情特征分类

1．5 论文主要工作及组织结构

1．6 本章小结

第2章 人脸表情图像预处理

2．1 引言

2．2 表情图像灰度化

2．3 表情图像几何归一化

2．3．1 表情图像旋转

2．3．2 表情图像缩放

2．4 表情图像灰度归一化

2．5 基于Haar-like特征的唇部区域定位

2．6 本章小结

第3章 基本表情的唇部特征提取

3．1 引言

3．2 Gabor小波

3．2．1 小波变换原理

3．2．2 Gabor滤波器

3．3 Adaboost算法

3．4 唇部关键特征点几何特征提取

3．4．1 直接几何特征

3．4．2 间接几何特征

3．5 唇部区域Gabor特征提取

3．5．1 Gabor滤波器参数选择

3．5．2 Gabor表情特征提取

3．5．3 基于Adaboost算法的Gabor表情特征降维

3．6 本章小结

第4章 基于SVM的唇部表情特征分类

4．1 引言

4．2 统计学习理论

4．2．1 VC维

4．2．2 推广性的界

4．2．3 结构风险最小化

4．3 支持向量机

4．3．1 最优分界面

4．3．2 支持向量机的核函数

4．4 多类支持向量机算法

4．5 基于SVM的唇部表情特征分类

4．6 本章小结

第5章 基于唇部特征的基本表情分类及识别实现

5．1 引言

5．2 系统的总体设计

5．3 实验结果及分析

5．3．1 JAFFE表情数据库

5．3．2 表情图像预处理

5．3．3 唇部区域关键特征点几何特征提取

5．3．4 唇部区域Gabor特征提取

5．3．5 基于AdabooSt算法的Gabor表情特征降维

5．3．6 基于SVM的唇部表情特征分类

5．3．7 表情识别结果与分析

5．4 本章小结

第6章 总结与展望

6．1 全文总结

6．2 未来展望

参考文献

致谢

攻读学位期间发表论文

声明