基于模糊支持向量機與壓縮感知的人臉表情識別研究.pdf

1、人臉面部表情包含著豐富而又細膩的情感和心理信息，對面部表情的識別主要存在兩個問題，即如何有效地獲取人臉面部表情特征和如何對表情進行有效分類。通過提取人臉特征對人臉表情進行分類識別的方法已經成為模式識別、機器視覺、機器人制造、圖像處理、安全、醫(yī)療、通信與人機交互等領域研究的重要課題。
　　本論文主要研究內容和創(chuàng)新性工作主要包含兩個方面:
　　(1)研究了傳統(tǒng)的人臉表情識別方法，分析了各種方法的優(yōu)勢和缺點，并提出了一種基于模糊支

2、持向量機(FSVM)和K-近鄰算法（KNN）相結合的面部表情識別新方法。該方法首先通過主成分分析法(PCA)提取表情特征，然后該方法對于待分類區(qū)域，計算輸入樣本到所有類別的歐式距離，通過區(qū)分度函數(shù)判別分類器輸出的候選類與輸入樣本的區(qū)分度，根據(jù)區(qū)分程度進行FSVM和KNN分類算法的自適應切換。實驗表明，該方法在保障了分類的精確度的同時又簡化了計算復雜度。
　　(2)為了提高人臉表情的正確識別率，提出了一種基于局部二元模式(LBP)和