基于SVM的人臉表情識別研究.pdf

1、近年來新型人機交互系統(tǒng)研究中，人臉表情識別研究越來越受到重視，它在教育、機器人、醫(yī)療等行業(yè)有廣泛的應用前景，對模式識別、計算機視覺、人工智能等學科發(fā)展具有重要的推動作用，特別對于增強計算機的智能化、人性化以及開發(fā)新型人機交互系統(tǒng)有著重要的現(xiàn)實意義，而且更具有重大的經(jīng)濟利益和社會效益。
　　 本論文以人臉表情識別算法為研究對象，對人臉表情特征提取及特征降維、人臉表情分類等問題進行了深入的研究，結(jié)合Gabor小波變換在圖像特征提取方

2、面的優(yōu)勢和支持向量機在小樣本問題上的優(yōu)良特性及良好的分類能力，本文提出了二維Gabor小波與PCA+FLD相融合的表情特征提取算法、基于(RBF)徑向基核函數(shù)的One-against-one投票策略多分類SVM人臉表情分類算法。
　　 本文主要工作如下：
　　 (1)基于灰度積分投影的人臉表情區(qū)域定位方法。本文首先進行圖像灰度預處理，然后在二值化基礎上進行積分投影確定表情區(qū)域，進而進行幾何預處理最后歸一化切割為標準大小的

3、表情圖像。
　　 (2)本文采用多頻率多方向的二維Gabor小波變換，然后融合PCA+FLD方法進行特征降維，將圖像高維特征映射到低維特征子空間中。
　　 (3)在降維后的特征子空間中使用RBF(Radio Basis Function)徑向基函數(shù)作為核函數(shù)構造SVM分類器進行人臉表情樣本的訓練和識別分類。
　　 本文進行了與人相關和與人無關的兩類三組實驗。與人無關的實驗是：融合二維Gabor小波變換和PCA+F