基于特征映射的多角度人臉表情識(shí)別.pdf

1、人的面部表情蘊(yùn)含著豐富的情感信息，也是人們除了語(yǔ)言、文字、聲音之外比較重要的溝通方式?，F(xiàn)在大多數(shù)針對(duì)人臉表情識(shí)別的研究都是針對(duì)正面人臉進(jìn)行，然而正面人臉表情是對(duì)表情理想化的表達(dá)。現(xiàn)實(shí)生活中，采集設(shè)備可能會(huì)從各個(gè)角度捕捉表情數(shù)據(jù)。因此，針對(duì)多角度人臉表情圖像進(jìn)行識(shí)別，提出魯棒性更強(qiáng)的人臉表情識(shí)別算法，在人機(jī)交互領(lǐng)域有著重大的意義。
　　由于公開的多角度人臉表情庫(kù)較少，以及算法方面的限制，針對(duì)多角度表情識(shí)別的研究十分有限?，F(xiàn)有的多角度

2、人臉表情識(shí)別方法包括針對(duì)每個(gè)角度訓(xùn)練不同的分類器，或者用一個(gè)單獨(dú)的分類器學(xué)習(xí)所有的角度。然而，這些方法忽略了不同角度的人臉表情僅僅是相同表情的不同表現(xiàn)。因此，本文在研究正面人臉表情識(shí)別的基礎(chǔ)上，提出了用神經(jīng)網(wǎng)絡(luò)進(jìn)行特征映射的方法，將多角度表情特征映射為正面表情特征再進(jìn)行分類，提高了多角度表情識(shí)別中角度方面的魯棒性。主要工作有以下幾個(gè)方面:
　　首先，介紹了人臉表情識(shí)別的研究背景和意義，從人臉檢測(cè)、特征提取和分類識(shí)別三個(gè)方面，總結(jié)了

3、人臉表情識(shí)別的研究現(xiàn)狀，并研究了目前現(xiàn)有的正面表情識(shí)別與多角度表情識(shí)別算法，在比較分析了各種算法的優(yōu)缺點(diǎn)后，確定了用特征映射解決多角度表情識(shí)別問(wèn)題的思路。并進(jìn)行了人臉檢測(cè)、圖像預(yù)處理等工作，選擇了對(duì)方向和尺度不敏感的金字塔式梯度方向直方圖特征作為本文的特征。
　　第二，設(shè)計(jì)實(shí)現(xiàn)了多角度人臉表情識(shí)別中的特征映射方法。RBF網(wǎng)絡(luò)不僅結(jié)構(gòu)簡(jiǎn)單，還有著較強(qiáng)的非線性映射能力和自學(xué)習(xí)能力，特別是局部逼近能力和學(xué)習(xí)速度表現(xiàn)優(yōu)異。因此本文選擇了徑

4、向基神經(jīng)網(wǎng)絡(luò)進(jìn)行多角度表情特征到正面表情特征的映射工作。
　　第三，設(shè)計(jì)了多角度人臉表情識(shí)別的算法框架，在提取的PHOG特征的基礎(chǔ)上，研究了k近鄰分類器與稀疏表示分類器，并分析了融合的k近鄰稀疏表示分類器。實(shí)驗(yàn)對(duì)改進(jìn)前后的稀疏表示分類器的平均識(shí)別率與運(yùn)行時(shí)間都進(jìn)行了比較，結(jié)果表明，k近鄰稀疏表示分類器在大大減少運(yùn)行時(shí)間的同時(shí)，對(duì)人臉表情也具有一定的分類能力。
　　第四，本文建立了山東大學(xué)多角度人臉表情數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)包含了1