人臉表情特征提取與識(shí)別算法研究.pdf

1、人臉表情識(shí)別是生物識(shí)別的一個(gè)重要組成部分。在智能人機(jī)交互、機(jī)器人技術(shù)、醫(yī)療、娛樂(lè)、虛擬現(xiàn)實(shí)技術(shù)等領(lǐng)域都著廣泛的應(yīng)用。面部表情在人們的日常交流中扮演著重要的角色，因?yàn)槊娌勘砬樵谙嗷ソ涣鞯倪^(guò)程中傳遞著十分豐富的信息。近年來(lái)，面部表情的識(shí)別技術(shù)得到了人們的重視，成為信息處理領(lǐng)域的研究熱點(diǎn)。
　　 本文深入研究了人臉表情特征提取及其識(shí)別兩方面的關(guān)鍵技術(shù)，提出了基于Gabor變換最優(yōu)通道模糊融合的表情識(shí)別算法。本文主要包括以下三方面的內(nèi)容

2、：
　　 ①對(duì)表情圖像進(jìn)行預(yù)處理，它包括人眼的定位、關(guān)鍵區(qū)域的裁剪、旋轉(zhuǎn)、尺度歸一化和光照補(bǔ)償?shù)?。在人眼定位中，采用了幾何特征和Hough變換相結(jié)合的方法實(shí)現(xiàn)了眼睛的精確定位。
　　 ②詳細(xì)分析了Gabor小波核函數(shù)的多尺度、多方向的特點(diǎn)，選取了5個(gè)尺度，6個(gè)方向，共得到30個(gè)Gabor濾波器，用于提取表情圖像的紋理特征。針對(duì)Gabor小波變換后得到的圖像維數(shù)太高的問(wèn)題，本文結(jié)合非均勻采樣和雙向二維主元分析法（2D-2D

3、PCA）對(duì)其進(jìn)行了二次降維處理，最后得到所需的表情特征向量。
　　 ③利用各個(gè)Gabor濾波通道對(duì)表情識(shí)別率貢獻(xiàn)不同的特點(diǎn)，提出了一種基于Gabor變換最優(yōu)通道模糊融合的人臉表情識(shí)別算法。首先，提出了最優(yōu)通道選取的4條基本原則，根據(jù)原則選出了4個(gè)最優(yōu)通道；然后，將每個(gè)最優(yōu)通道提取的特征送入BP神經(jīng)網(wǎng)絡(luò)進(jìn)行表情分類識(shí)別；最后，利用基于模糊積分的多分類器聯(lián)合的方法對(duì)各識(shí)別結(jié)果進(jìn)行融合處理，獲得最終的人臉表情識(shí)別結(jié)果，在JAFFE庫(kù)上