人脸表情识别算法研究与系统实现

摘要

人脸表情识别技术是计算机根据人类在情感方面的先验知识，通过情感计算判定人脸面部表情，分析人心理活动。与人脸识别技术一样，处理对象都是人脸图像，两者联系很紧密，表情变化对人脸识别影响很大。表情识别可分为读取图像、图像预处理、表情特征提取以及表情分类四个部分，提取表情特征是最关键的部分。在实际的表情识别中，识别数据分为动态图像序列和静态图片两种，提取表情特征的算法因数据形式的不同也不一样。动态视频序列权威性表情库很少且现在的动态表情库很少有公开的，表情识别算法一般都针对静态图像进行识别和验证，因此，论文选择处理静态图像。论文具体工作如下:
　　1.选择人脸表情库及检测人脸:使用最大联通区域分割法实现人脸检测，对切割出来的表情图像进行归一化处理，包括直方图均衡化和尺度归一化;
　　2.表情特征提取:分别利用局部二值化算法、主成分分析算法、Gabor小波变换算法对人脸表情特征进行提取;
　　3.分类识别:使用支持向量机(SVM)算法对人脸表情进行分类;
　　4.对识别算法进行改进:将主成分分析算法与局部二值化算法分别提取的特征使用SVM进行“一对一”投票，将两者的投票结果融合，最后输出人脸表情识别结果;
　　5.设计并实现人脸表情识别系统:使用MATLAB设计人机交互界面，实现对人脸表情的识别。

目录

声明

摘要

第一章 绪论

1．1 论文的研究背景与选题意义

1．2 表情识别技术

1．2．1 国外研究现状

1．2．2 国内研究现状

1．2．3 人脸表情识别系统

1．3 论文的内容安排

第二章 人脸检测与图像预处理

2．1 数据库的选择

2．2 形态学处理及人脸检测

2．2．1 膨胀运算

2．2．2 腐蚀运算

2．2．3 开运算与闭运算

2．2．4 人脸检测

2．3 归一化处理

2．3．1 尺度归一化

2．3．2 直方图均衡化

2．4 本章小结

第三章 图像特征提取算法

3．1 静态特征提取算法

3．1．1 几何特征提取方法

3．1．2 外貌特征提取方法

3．2 动态特征提取算法

3．3 表情特征提取

3．3．1 LBP特征提取方法

3．3．2 LBP特征距离度量方法

3．3．2 Gabor小波特征

3．3．3 PCA特征提取方法

3．4 本章小结

第四章 分类器选择

4．1 分类器介绍

4．2 支持向量机

4．2．1 最优分类面

4．2．2 广义最优分类面

4．2．2 高维空间中的最优分类面

4．3 多类支持向量机法

4．3．1 “一对多”SVM

4．3．2 “一对一”SVM

4．4 本章小结

第五章 表情识别系统实现与算法验证

5．1 表情识别系统

5．2 开发环境

5．3 算法验证

5．4 LBP与PCA算法创新

5．4．1 PCA与LBP决策融合

5．4．2 算法分析与验证

5．5 本章小结

第六章 结论与讨论

6．1 结论

6．2 讨论

参考文献

致谢