基于Haar-like特征和Adaboost分类器的表情识别实时系统

摘要

在最近十年的计算机视觉研究领域中，关于人脸方向的图像处理及模式识别技术，如人脸检测，人脸跟踪，人脸识别，表情识别，以及不同方向上的头部姿势估计等研究逐渐成为该领域热门话题。人脸表情识别技术不仅反映在人类面部的表情的行为差异，同时间接的表现了人们的心理活动，人与人之间的交流方式以及精神状态，具有很大的研究价值。基于 Haar-like特征以及 Adaboost分类器的经典算法，本文提出了一种人脸表情自动识别的实时系统。该系统能够快速地对人脸进行检测跟踪，并有效的对人类的六种基本表情(高兴，厌恶，生气，害怕，吃惊，悲伤)进行分类识别。
　　本文在研究人脸表情算法的前提下，将重点放在六种表情的实时分类的研究上。在检测到人脸的初始化步骤完成之后，利用Haar-like特征以及 Adaboost分类器对人脸库中的六种表情进行分类训练。实验证明，该系统在人脸检测方面具有快速性，良好的鲁棒性等优点；并且能够较为精确的对人类六种表情进行分类。
　　本文的主要工作如下所述：
　　1.介绍了人脸表情识别的发展历史和近十年间关于特征提取，人脸检测，表情分类的相关算法的研究。
　　2.给出集中比较常用的人脸检测算法，并且重点描述了基于 Haar-like特征和Adaboost分类器的设计。
　　3.检测到人脸之后，继续利用Haar-like特征，并采用一种基于查找表型（LUT）的弱分类器的分类算法，训练人脸表情。
　　4.通过使用VC++和OpenCV开源库函数，实现人脸表情识别的实时系统。并且对头部姿势估计做了初步的研究。

目录

封面

声明

中文摘要

英文摘要

目录

Contents

1 绪 论

1.1 人脸表情识别技术简介

1.2 人脸表情识别的研究背景及意义

1.3 人脸表情识别的困难与挑战

1.4 人脸表情识别的常见方法

1.5 本文的主要工作及安排

2 人脸检测算法的研究

2.1 人脸检测简介

2.2 基于模板匹配的方法

2.3 基于神经网络的方法

2.4 基于肤色的检测方法

2.5 基于Haar-like特征和Adaboost的人脸检测

2.6 通过OpenCV实现Adaboost分类器

3 特征提取与表情分类

3.1 图像预处理

3.2 Haar-like特征提取以及Adaboost分类方法

4 人脸表情识别实验

4.1 JAFFE 人脸表情库

4.2 实验规划

4.3 实验结果

5 总结与展望

致谢

攻读硕士期间的主要成果

附录A

参考文献