基于局部特征分析的笑脸表情识别研究

基于局部特征分析的笑脸表情识别研究

ID:35064117

大小:6.52 MB

页数:80页

时间:2019-03-17

基于局部特征分析的笑脸表情识别研究_第1页
基于局部特征分析的笑脸表情识别研究_第2页
基于局部特征分析的笑脸表情识别研究_第3页
基于局部特征分析的笑脸表情识别研究_第4页
基于局部特征分析的笑脸表情识别研究_第5页
资源描述:

《基于局部特征分析的笑脸表情识别研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、4击种成*葦IU!EMCEAND"CHMOLOGYOFCHNANIVERSITYOFELECTRONICsc硕±学位论文MASTERTHESIS:,户换聲馬乂/\雲击\\'-義:Va9气/>*p:::酵y论支题目基于局部特征分祈的笑脸表情识别研究■—畫举科专#控制科学与工程2Q1321Q7Q323学号化者姊名周霞指晋教师邹见效教授■B'独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究T作。及取得的研究成果据我所知,除了文中特

2、别加标注和致谢的地方夕h论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得电子科技大学或其它教育机构的学位或化书而使用过的树糾。与一1?我同工作的同志对本研究所做的任何贡献均已在论文1作了明确的说明并裝示谢意。:真:>/口作者签名;t]期年;月词良/论文使用授权本学位论文作者完全了解电子科技乂学有关保留、使用学位论文的规定,,有权保留并向齒家有关部口或机构送交论文的复印件和磁盘允许论文被查阅和借阅。本人授权电子科技大学将学位论文的全、部或部分内容编入有关数据库进行检索,可W采用影印缩印或巧描等复制手段保存、汇编学

3、位论文。(保密的学位论文在解密后应遵守此规定)^辟屑^作者签名:^1至复导师签名:円期:屋年f巧^U分类号密级注1UDC学位论文基于局部特征分析的笑脸表情识别研究(题名和副题名)周霞(作者姓名)指导教师邹见效教授电子科技大学成都(姓名、职称、单位名称)申请学位级别硕士学科专业控制科学与工程提交论文日期2016年5月6日论文答辩日期2016年5月12日学位授予单位和日期电子科技大学2016年6月日答辩委员会主席评阅人注1:注明《国际十进分类法UDC》的类号。THERESEARCHOFSMILERECOGNITIONBASEDONFEATUREANALYS

4、ISLocalAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:ControlScienceandEngineeringAuthor:XiaZhouAdvisor:Prof.JianxiaoZouSchool:SchoolofAutomationEngineering摘要摘要表情识别是人工智能十分重要的研究方向。在面部表情中,微笑是人类最具有感染力的情绪。对笑脸识别的研究能够有效促进表情识别的发展。特征提取是笑脸识别的关键技术之一。现有特征提取算法的研究对象是实验室特

5、定场景下光照、姿态等受限的公共表情数据库,当场景转换到现实生活中,此类算法的识别率不高。因此现实生活中准确的笑脸识别仍然是目前研究的难点之一。此外,公共表情数据库是为研究人类7种基本表情而建立,而笑这种表情有其独有的特点,传统的表情特征提取算法不能提取出笑脸的本质特征。本文针对上述两个问题展开研究,主要创新与工作如下:1.针对公共表情数据库场景受限的问题,本文构建了专用的笑脸数据库。该数据库主要沿用了真实场景下的笑脸数据库GENKI-4K,在此基础上加入了公共数据库中部分代表性图片。本文数据库图片更能代表现实生活中的笑脸。2.针对现有特征提取算法缺乏对于笑脸的研究这一问题,

6、本文研究了嘴唇在表达快乐情绪中起到的关键作用,提出了基于唇部区域的笑脸特征提取方法。该方法不仅计算量小,而且有效避免了提取全局人脸中许多与笑脸无关的繁杂特征,对于表征笑脸更有针对性。3.针对人工设计特征不可扩展的问题,本文研究了基于深度网络的自动提取特征方法,设计了含有多个隐藏层的深度自编码器网络提取笑脸特征。该方法避免了人工抽取特征的时间消耗,通过逐层变换特征,更能刻画数据丰富的内在信息。4.针对深度网络在自动提取特征过程中忽略图像局部结构信息和主动学习不利因素等问题,本文提出了将唇部LBP特征、Gabor特征作为深度自编码器网络可视层输入的特征提取算法。该算法有助于网络

7、对图像特征分布的理解,减少了深层网络可能学习到对分类不利特征的可能,强化了深度网络的学习能力,在本文数据库上取得了更高的识别率。关键词:笑脸识别,笑脸数据库,局部特征,深度自编码器网络,融合方法IABSTRACTABSTRACTFaceexpressionrecognitionisaveryimportantresearchdirectionofartificialintelligence.Infacialexpression,smileisthemostcontagiousemotionsofall.Thestu

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。