基于纹理信息的人脸表情识别研究

基于纹理信息的人脸表情识别研究

ID:36556838

大小:5.44 MB

页数:43页

时间:2019-05-12

基于纹理信息的人脸表情识别研究_第1页
基于纹理信息的人脸表情识别研究_第2页
基于纹理信息的人脸表情识别研究_第3页
基于纹理信息的人脸表情识别研究_第4页
基于纹理信息的人脸表情识别研究_第5页
资源描述:

《基于纹理信息的人脸表情识别研究》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、基于纹理信息的人脸表情识别研究⑧重庆大学硕士学位论文(学术学位)学生姓名:叶剑英指导教师:龚劬教授专业:计算数学学科门类:理学重庆大学数学与统计学院二O一三年四月FacialExpressionRecognitionBasedonTextureInformation⑧AThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’SDegreeofMathematicsByYeJianyin

2、gSupervisedbyProf.GongQuSpecialty:ComputationalMathematicsCollegeofMathematicsandStatisticsofChongqingUniversity,Chongqing,ChinaApril,2013重庆大学硕士学位论文中文摘要摘要现如今,随着人工智能和人机交互的迅速发展,人脸表情识别也相应取得了较大发展,并且成为了一个热门研究课题。人脸表情识别过程的主要工作是对人脸图像进行分析处理,进而判断出人脸表情所属的表情类别。人脸

3、表情识别过程的研究内容主要由以下几个部分组成:人脸检测、表情图像预处理、表情特征提取和表情分类识别。其中本文所做实验采用的人脸表情图像均源于现有的人脸表情数据库,因此可以省略人脸检测过程。由于在整个人脸表情识别过程中表情特征提取扮演非常重要的角色,因此笔者在文章中对表情特征提取算法进行了着重研究。本文所研究的主要工作分以下几个方面:(1)总结,现有的纹理特征提取算法。根据目前国内外现有的、涉及人脸表情纹理特征的重要文献,做了一个较全面的总结。(2)对人脸表情图像进行了预处理分析。本文预处理过程主要

4、对人脸表情数据库的图像进行关键区域的剪裁,保留区别图像的本质特征,用于后期特征提取。(3)混合特征提取。由于原有的局部二值模式(LBP)算法存在很多不足,提出中心化的局部二值模式(CBP),并结合局部定向模式(LDP)进行纹理特征提取。本文把CBP和LDP特征按顺序串接起来作为识别的总特征。另外本文通过对现有的LDP算法的研究,在此基础上对LDP算子进行了改进,分别提出了加权LDP(w.LDP)和边缘梯度带正负号的LDP(s.LDP),通过实验证明改进的LDP更多的保留了图像的本质特征,识别率得到

5、了提高。此外,在进行特征提取时,本文首先把目标图像进行分块,经过多次反复试验,找到了合适的分块方法,使得识别率有所提高。(4)表情分类。根据前面提取的纹理特征,使用了最近邻进行分类。作为一个理论已比较成熟的分类方法一最近邻分类方法,也是比较简单可行的方法之一,故本文用最近邻分类的方法进行分类。(5)根据以上对人脸表情识别的研究,进行了比较全面的分析总结。总结所得经验与不足,表明今后需要努力的研究方向。本文的实验环境是MATLAB7.0,实验所用的表情库是JAFFE表情库,利用文中的特征提取算法和最

6、近邻分类方法构建了一个完整的人脸表情识别过程。通过所做的一系列仿真实验,验证了本文中算法的稳定性及有效性。关键词:表情识别,局部二值模式,中心化二值模式,Kitsch算子,局部定向模式重庆大学硕士学位论文英文摘要ABSTRACTInrecentyearswiththedevelopmentofartificialintelligenceandhuman.computerinteraction,facialexpressionrecognitionresearchhasmadegreatdevelo

7、pmentandbecomeahotresearchtopic.FacialExpressionRecognitionfaceimageanalysisandprocessing,andthenjudgethefacialexpressionbelongsexpressioncategory.Facialexpressionrecognitionprocessismainlycomposedofthefollowingfourparts:facedetection,imagepreprocessi

8、ng,facefeatureextractionandexpressionclassificationandrecognition.Experimentinfacialexpressionimagesfromtheexistingfacialexpressiondatabase,thefacedetectionprocesscanbeomitted.Expressionfeatureextractionplaysaverycriticalroleinthewholefacialex

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。