基于特征融合的人脸表情识别算法研究

摘要

随着人机交互技术的不断发展和广泛应用，如何实现与计算机或机器人和谐、流畅的交互，成为了国内外学者研究的重点。本文研究的人脸表情识别正是解决该问题所需的关键技术，计算机或机器人通过对人类情感状态变化进行精确、快速的检测，从而保证人机交互过程实时、有效地进行。
　　本文以人脸表情为研究对象，对人脸表情识别的相关理论和方法进行了深入研究，针对人脸图像中的表情识别问题，本文采用了特征融合的方法，结合基于特征加权的支持向量机，最终实现了对人脸表情的分类识别，并构建了一个人脸表情识别系统。
　　首先，本文根据不同表情的结构特点，采用了主动外观模型算法和加权主成分分析算法对表情特征进行提取，并针对已有的加权主成分分析算法存在的缺点，给出了一种改进的加权主成分分析算法用于表情特征提取。
　　其次，利用粗糙集属性约简算法对主动外观模型算法提取的几何特征和改进的加权主成分分析算法提取的统计特征进行特征选择，保留有效信息，去除冗余信息。针对特征选择后的几何特征和统计特征，本文采用改进的典型相关分析算法实现了特征融合。
　　再次，对传统的支持向量机原理和核函数进行研究，并在高斯核函数和多项式核函数的基础上，构造了一种基于特征加权的组合核函数，并将其应用到支持向量机中，实现了对人脸表情精确、快速的分类识别。
　　最后，针对本文研究的表情图像序列，结合基于特征融合和特征加权支持向量机的人脸识别框架，构建了一个人脸表情识别系统，该系统除了用于验证本文所采用的方法外，还为后续进一步的研究奠定了良好的基础。

目录

声明

摘要

第1章 绪论

1．1 研究背景和意义

1．2 研究现状

1．2．1 人脸表情识别的理论研究现状

1．2．2 人脸表情识别技术的应用现状

1．3 人脸表情识别系统的概述

1．4 本文研究内容及组织结构

1．4．1 本文研究内容

1．4．2 本文组织结构

第2章 人脸检测与图像预处理

2．1 引言

2．2 基于AdaBoost算法的人脸检测与人眼定位

2．2．1 AdaBoost算法概述

2．2．2 AdaBoost训练分类器

2．2．3 级联分类器

2．2．4 实验结果

2．3 图像预处理

2．3．1 图像灰度化处理

2．3．2 图像几何规范化处理

2．3．3 图像灰度均衡化处理

2．3．4 实验结果

2．4 本章小结

第3章 人脸表情的特征提取方法研究与改进

3．1 引言

3．2 人脸表情的基本定义

3．2．1 基本表情分类

3．2．2 人脸表情数据库

3．3 基于主动外观模型的人脸表情特征提取研究

3．3．1 特征点标定和样本对齐

3．3．2 AAM模型建立

3．3．3 AAM拟合计算

3．3．4 表情特征的提取

3．4 基于加权主成分分析的人脸表情特征提取研究与改进

3．4．1 主成分分析算法

3．4．2 加权主成分分析算法

3．4．3 改进的加权主成分分析算法

3．5 实验结果与分析

3．5．1 AAM的拟合实验结果与分析

3．5．2 改进WPCA的实验结果与分析

3．6 本章小结

第4章 人脸表情的特征选择与特征融合

4．1 引言

4．2 基于粗糙集的表情特征选择

4．2．1 粗糙集基本理论

4．2．2 基于粗糙集的AAM表情特征选择

4．2．3 基于粗糙集的改进WPCA表情特征选择

4．3 基于SPP-CCA的几何特征与统计特征融合

4．3．1 信息融合的基本理论

4．3．2 改进的典型相关分析算法

4．3．3 几何特征与统计特征融合的实现步骤

4．4 实验结果与分析

4．4．1 特征选择的实验结果与分析

4．4．2 特征融合的实验结果与分析

4．5 本章小结

第5章 基于特征融合和特征加权SVM的人脸表情识别

5．1 引言

5．2 基于支持向量机的表情分类

5．2．1 最优分类面

5．2．2 广义最优分类面

5．2．3 高维空间中的分类面

5．2．4 基于SVM的多类表情分类

5．3 基于特征加权SVM的表情分类

5．3．1 核函数的选择

5．3．2 基于特征加权的组合核函数

5．3．3 基于特征加权SVM的分类步骤

5．4 人脸表情识别系统的设计与实现

5．4．1 人脸表情识别系统的总体结构

5．4．2 人脸表情识别系统的实现

5．5 实验结果与分析

5．6 本章小结

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

攻读硕士学位期间的获奖情况