基于情感幾何特征和支持向量機(jī)的人臉表情識(shí)別研究.pdf

1、隨著社會(huì)的進(jìn)步和計(jì)算機(jī)科學(xué)的發(fā)展,人機(jī)交互就成了很重要的課題,而人臉表情是人類在進(jìn)行交流時(shí)所采用的最有效和最直接的一種途徑,所以,在人機(jī)交互應(yīng)用中,表情就成了很重要的一種信息資源。因此,通過圖像的人臉表情識(shí)別越來越受到研究者的關(guān)注。然而,由于姿態(tài)、光照、有效的特征抽取方法、海量數(shù)據(jù)和維度災(zāi)難等問題的存在,特別是由于人臉是一個(gè)柔性體和人臉表情的強(qiáng)度大小不一定,導(dǎo)致人臉表情識(shí)別很難達(dá)到一個(gè)較高的水平。
　　針對(duì)人臉表情識(shí)別研究中的幾個(gè)

2、問題和表情識(shí)別的潛在應(yīng)用,本人在攻讀碩士學(xué)位期間所做的主要工作如下:
　　1)提出了情感幾何特征EGF(EmotionGeometryFeature),并就人臉表情識(shí)別的潛在應(yīng)用一一醫(yī)院病人的表情分析,利用支持向量機(jī)SVM(SupportVectorMachine),實(shí)現(xiàn)了高興、悲傷和中性三種表情的識(shí)別,識(shí)別率可以達(dá)到92.22％。由于部分醫(yī)院病人身體不便或者出于醫(yī)護(hù)人員對(duì)于病人的心理護(hù)理,可以根據(jù)病人出現(xiàn)的表情種類(高興、悲傷和

3、中性),利用提出的EGF(情感幾何特征)識(shí)別病人的高興、悲傷和中性三種表情,為醫(yī)院護(hù)理人員提供某種信息,從而幫助病人得到有效的護(hù)理。
　　2)為了提高表情的識(shí)別率和更好的區(qū)別病人的表情,這一部分工作在1)的基礎(chǔ)上,提出了擴(kuò)展的6個(gè)情感幾何特征,并進(jìn)一步考慮把7種表情分成三類,利用SVM對(duì)三類表情進(jìn)行了識(shí)別,識(shí)別率可以達(dá)到93.8％。因?yàn)槿祟愑辛N基本表情和一種中性表情,把六種表情分成了積極表情(Positive)、中性表情(Neu