資源描述:
《人臉表情識(shí)別研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類號(hào)______________________________密級(jí)______________________________UDC______________________________編號(hào)______________________________碩士學(xué)位論文人臉表情識(shí)別研究學(xué)位申請(qǐng)人:胡超學(xué)科專業(yè):控制科學(xué)與工程指導(dǎo)教師:陳鵬展副教授答辯日期:獨(dú)創(chuàng)性聲明本人鄭重聲明:所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知,除了文中特別加以標(biāo)注和致謝的地方外,論文中不包含其他人已經(jīng)發(fā)表和撰寫的研究成果,也不包含為獲得華東交通大學(xué)或其他
2、教育機(jī)構(gòu)的學(xué)位或證書所使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示了謝意。本人簽名_______________日期____________關(guān)于論文使用授權(quán)的說(shuō)明本人完全了解華東交通大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定,即:學(xué)校有權(quán)保留送交論文的復(fù)印件,允許論文被查閱和借閱。學(xué)校可以公布論文的全部或部分內(nèi)容,可以采用影印、縮印或其他復(fù)制手段保存論文。保密的論文在解密后遵守此規(guī)定,無(wú)保密內(nèi)容。本人簽名____________導(dǎo)師簽名__________日期___________摘要人臉表情識(shí)別研究摘要作為人工智能、人機(jī)交互的重要組成
3、部分,面部表情識(shí)別的研究遍及多個(gè)學(xué)科,是一項(xiàng)綜合性的問(wèn)題,隨著研究的深入,人臉表情識(shí)別已經(jīng)被用于智能交通、公共安全等多個(gè)領(lǐng)域,且取得了優(yōu)異的表現(xiàn)。近年來(lái),表情識(shí)別受到了機(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺學(xué)者的追捧,使之成為了該領(lǐng)域的又一熱點(diǎn)。因此,面部表情識(shí)別的研究工作具有重要的理論意義與實(shí)際價(jià)值。本文將提取有效的表情特征以及分類器的設(shè)計(jì)作為主要的研究目標(biāo),針對(duì)傳統(tǒng)的Gabor無(wú)法兼顧識(shí)別率與實(shí)時(shí)性的缺點(diǎn),提出了一種融合Gabor、局部二值模式(LBP)、局部相位量化(LPQ)三種特征及ELM分類器的表情識(shí)別系統(tǒng)。本系統(tǒng)的核心在于通過(guò)Gabor濾波器提取人臉圖像的邊緣信息,根據(jù)獲得
4、的變換表征結(jié)果,提取其LBP特征及LPQ特征。為了克服Gabor變換帶來(lái)的冗余,應(yīng)用主成分分析(PCA)算法對(duì)提取的特征進(jìn)行降維,減少冗余、提升特征有效性、提高計(jì)算速度,并對(duì)降維后的LBP特征及LPQ特征進(jìn)行直方圖操作。最后,設(shè)計(jì)基于ELM神經(jīng)網(wǎng)絡(luò)面部表情分類器。該雙輸入分類器很好的連接提取的雙特征,并對(duì)表情圖像進(jìn)行分類識(shí)別。為了驗(yàn)證設(shè)計(jì)的面部表情識(shí)別系統(tǒng)的性能,本文搭建了基于MATLAB的表型識(shí)別平臺(tái)。通過(guò)在JAFFE表情庫(kù)中進(jìn)行的各類實(shí)驗(yàn)對(duì)比與分析,本文的方法在識(shí)別的準(zhǔn)確率與速度上都比傳統(tǒng)方法更有優(yōu)勢(shì)。本文為今后在線的面部表情識(shí)別研究提供了思路,具有一定的理論價(jià)值
5、與應(yīng)用價(jià)值。關(guān)鍵詞:圖像處理,表情識(shí)別,特征提取,Gabor算法、ELM算法IAbstractResearchonfacialexpressionrecognitionABSTRACTAsanimportantpartofartificialintelligenceandhuman-computerinteraction,theresearchoffacialexpressionrecognitionisalloverthesubject,anditisacomprehensiveproblem.Withthedeepeningofresearch,facialexp
6、ressionrecognitionhasbeenusedinmanyfields,suchasintelligenttransportation,publicsecurityandsoon,andhasachievedexcellentperformance.Inrecentyears,facialexpressionrecognitionhasbeensoughtafterbymachinelearningandcomputervisionscholars,makingitahotspotinthisfield.Therefore,theresearchworko
7、ffacialexpressionrecognitionhasimportanttheoreticalandpracticalvalue.Inthispaper,theeffectiveextractionoffacialfeatureandclassifierdesignasthemainobjectivesofthestudy,thetraditionalGaborcannottakeintoaccounttherecognitionrateandreal-timeprocessing,andproposesanewfusionGabor,loc