融合整體與局部識(shí)別結(jié)果的人臉表情識(shí)別方法研究.pdf

1、目前人臉表情識(shí)別技術(shù)發(fā)展的相當(dāng)成熟，可應(yīng)用于很多領(lǐng)域，如機(jī)器人制造，汽車，安全等。人們研究出許多表情識(shí)別算法，而且取得了不錯(cuò)的識(shí)別結(jié)果，但這些算法只是針對(duì)特定的人臉數(shù)據(jù)庫(kù)，所以并不具有普適性?，F(xiàn)階段的算法的準(zhǔn)確性、魯棒性等方面尚不能滿足實(shí)際需求，而且單一信息源表情識(shí)別率低。如果將多個(gè)信息綜合分析，即信息的融合，可以得到意想不到的結(jié)果，比單一信息源的識(shí)別率要高?，F(xiàn)代信息處理領(lǐng)域，信息融合技術(shù)已經(jīng)是很重要的解決問(wèn)題的方法，而且發(fā)展了證據(jù)理論

2、、模糊理論和神經(jīng)網(wǎng)絡(luò)等智能信息融合方法。本文將信息融合技術(shù)應(yīng)用到人臉表情識(shí)別上，提取人臉表情圖像的眼睛，嘴巴局部特征和人臉全局特征，然后融合這些全局特征和局部特征的識(shí)別結(jié)果，會(huì)得到更好的識(shí)別率。
　　 本文主要工作包括以下幾方面內(nèi)容。
　　 在人臉圖像前期處理的過(guò)程中，首先是眼睛位置的確定。因?yàn)樗脭?shù)據(jù)庫(kù)里圖像都是單人灰度圖像，背景簡(jiǎn)單，所以本文采用灰度積分投影方法，得到眼睛和眉毛區(qū)域，對(duì)這個(gè)區(qū)域再次利用水平積分投影準(zhǔn)確

3、確定眼睛的位置。然后利用二值化處理并在眼睛定位的基礎(chǔ)上定位出嘴巴區(qū)域。這樣對(duì)每一幅人臉表情圖像可以剪切得到人臉圖像，眼睛圖像，嘴巴圖像。最后，對(duì)這些圖像進(jìn)行尺寸大小歸一化，光照均衡等前期處理。
　　 在人臉表情數(shù)據(jù)庫(kù)里存在樣本較少的問(wèn)題，樣本數(shù)目太少對(duì)識(shí)別率有很大影響，甚至無(wú)法識(shí)別，故需擴(kuò)充樣本數(shù)據(jù)庫(kù)。Yale數(shù)據(jù)庫(kù)里的表情圖像僅僅有15個(gè)人的各6種表情圖像，共計(jì)90幅表情圖像，樣本數(shù)太少，所以采用最簡(jiǎn)單的加權(quán)平均方法，即選擇不

4、同人的同一表情進(jìn)行加權(quán)平均，則大大擴(kuò)充了樣本的個(gè)數(shù)，解決了Yale人臉數(shù)據(jù)庫(kù)的表情樣本較少的問(wèn)題。
　　 在人臉特征提取方面，由于Gabor小波變換具有受光照影響比較小而且對(duì)位置敏感等優(yōu)點(diǎn)，所以選擇二維Gabor小波變換提取表情特征，構(gòu)造5個(gè)尺度和8個(gè)方向上的2DGabor小波。圖像與2DGabor小波卷積得到濾波后的圖像，然后對(duì)濾波后圖像計(jì)算其均值和方差作為特征值。該方法簡(jiǎn)單方便有效的提取特征信息，而且避免了高維特征造成的災(zāi)難