人臉表情的特征提取和識(shí)別算法研究.pdf

1、人臉表情識(shí)別有著廣泛的應(yīng)用前景，逐漸成為當(dāng)前人機(jī)交互領(lǐng)域的研究熱點(diǎn)之一。一般而言，一個(gè)完整的表情識(shí)別系統(tǒng)主要由四個(gè)基本部分組成：圖像獲取、預(yù)處理、表情特征提取和分類識(shí)別。本文重點(diǎn)集中在對(duì)表情特征提取和分類等關(guān)鍵問題的研究，研究工作可概括如下：
　　 在表情特征提取方面：本文對(duì)基于整體的代數(shù)特征提取算法PCA和FastICA進(jìn)行了深入的研究，結(jié)果表明采用FastICA算法進(jìn)行特征提取所得到的表情獨(dú)立基更好的描述了眼睛，嘴角等表情特

2、征區(qū)域的變化，所得到的表情特征更有效。但對(duì)于表情識(shí)別這樣的在線數(shù)據(jù)處理來說，F(xiàn)astICA算法存在計(jì)算量大的缺點(diǎn)，因此，本文設(shè)計(jì)了基于M-FastICA算法的表情特征提取方法。該算法簡化了牛頓迭代過程中的雅可比矩陣的計(jì)算。仿真結(jié)果表明，該算法不僅繼承了FastICA算法所提取的表情特征有效的優(yōu)點(diǎn)，而且與FastICA算法相比可以進(jìn)一步減少算法收斂的迭代次數(shù)和時(shí)間。
　　 在表情識(shí)別方面：本文采用BP神經(jīng)網(wǎng)絡(luò)作為表情識(shí)別分類器。重

3、點(diǎn)研究了隱層節(jié)點(diǎn)和輸出層節(jié)點(diǎn)數(shù)與網(wǎng)絡(luò)收斂速度及表情識(shí)別率的關(guān)系，由實(shí)驗(yàn)結(jié)果可知，BP神經(jīng)網(wǎng)絡(luò)分類器采用7-8-7的拓?fù)浣Y(jié)構(gòu)時(shí)，網(wǎng)絡(luò)性能最優(yōu)，平均識(shí)別率達(dá)到93.5％。與采用距離分類器的表情識(shí)別結(jié)果相比識(shí)別率有了明顯的提高，但訓(xùn)練時(shí)間較長，不能滿足表情在線識(shí)別實(shí)時(shí)性的要求。
　　 為了克服BP神經(jīng)網(wǎng)絡(luò)分類器上述的缺點(diǎn)，本文用自適應(yīng)遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)值進(jìn)行優(yōu)化，結(jié)果表明，該優(yōu)化方法可以大大縮短神經(jīng)網(wǎng)絡(luò)權(quán)值搜索到全局最優(yōu)解

4、的時(shí)間。并針對(duì)自適應(yīng)遺傳算法在進(jìn)化初期容易產(chǎn)生早熟現(xiàn)象的不足，本文提出了改進(jìn)的自適應(yīng)遺傳算法IAGA，該改進(jìn)算法提高了群體中表現(xiàn)優(yōu)良的個(gè)體的交叉率和變異率，避免早熟現(xiàn)象的發(fā)生，加快了最優(yōu)解的搜索速度。用改進(jìn)的自適應(yīng)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)值，設(shè)計(jì)了自適應(yīng)遺傳神經(jīng)網(wǎng)絡(luò)分類器。采用該分類器在JAFFE庫上進(jìn)行表情識(shí)別分類實(shí)驗(yàn)，取得了94.8％的平均識(shí)別率。實(shí)驗(yàn)結(jié)果表明本文設(shè)計(jì)的自適應(yīng)遺傳神經(jīng)網(wǎng)絡(luò)分類器的性能優(yōu)于BP神經(jīng)網(wǎng)絡(luò)表情識(shí)別分