基于WCF的分布式表情識(shí)別系統(tǒng)研發(fā).pdf

1、自動(dòng)面部表情識(shí)別旨在于賦予計(jì)算機(jī)理解人類情感能力，實(shí)現(xiàn)自然人機(jī)交互。該研究涉及心理學(xué)、信息科學(xué)、人工智能等多個(gè)學(xué)科，在教育、醫(yī)療、人機(jī)交互以及公共安全等多個(gè)領(lǐng)域具有廣泛應(yīng)用。
　　 傳統(tǒng)自動(dòng)面部表情識(shí)別系統(tǒng)多基于Directshow等視頻處理架構(gòu)設(shè)計(jì)，由于該架構(gòu)的有鎖編程方式和表情識(shí)別各步驟的時(shí)間開(kāi)銷(xiāo)不均勻，較難實(shí)現(xiàn)并行，而面部表情識(shí)別的時(shí)間開(kāi)銷(xiāo)較大，因此制約了系統(tǒng)的實(shí)用化。提升表情識(shí)別系統(tǒng)的效率主要可以從算法和系統(tǒng)架構(gòu)兩個(gè)方面

2、實(shí)現(xiàn)。
　　 在算法方面：通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn)，把人臉圖像歸一化到48×64的尺寸，同時(shí)采用8×8的大小分塊的方式提取全局Gabor特征，能夠獲得較高的識(shí)別率，并且具有一定的穩(wěn)定性，計(jì)算量也適中；另外，通過(guò)類Adaboost算法的特征選擇方法，從有重疊的83個(gè)分塊2490個(gè)Gabor特征中選擇200階時(shí)，不僅能夠有效降低特征提取步驟的時(shí)間開(kāi)銷(xiāo)，同時(shí)系統(tǒng)的識(shí)別率也略有提升。
　　 在系統(tǒng)架構(gòu)方面：通過(guò)引入WCF架構(gòu)，使得表情識(shí)

3、別各步驟的算法模塊能夠部署在服務(wù)器對(duì)外提供服務(wù)，并且WCF服務(wù)本身具有并發(fā)性，支持多路并發(fā)訪問(wèn)；通過(guò)采用異步編程可以釋放調(diào)用WCF服務(wù)過(guò)程的處理器資源，實(shí)現(xiàn)同一服務(wù)調(diào)用源的并行表情識(shí)別；通過(guò)采用服務(wù)器層抽象和JPEG壓縮兩種方法分別減少不必要的網(wǎng)絡(luò)數(shù)據(jù)傳輸和降低圖像數(shù)據(jù)傳輸?shù)膸捄蜁r(shí)間開(kāi)銷(xiāo)。
　　 通過(guò)在國(guó)際標(biāo)準(zhǔn)表情數(shù)據(jù)庫(kù)(JAFFE)上的模擬仿真表明：經(jīng)過(guò)算法和系統(tǒng)架構(gòu)兩個(gè)方面的改進(jìn)，基于WCF架構(gòu)的分布式表情識(shí)別系統(tǒng)在不同的