資源描述：
《人臉微表情特征提取算法-研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、原創(chuàng)性聲明本人鄭重聲明：所呈交的學位論文，是本人在導(dǎo)師指導(dǎo)下，進行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本學位論文的研究成果不包含任何他人創(chuàng)作的、已公開發(fā)表或者沒有公開發(fā)表的作品的內(nèi)容。對本論文所涉及的研究工作做出貢獻的其他個人和集體，均已在文中以明確方式標明。本學位論文原創(chuàng)性聲明的法律責任由本人承擔。學位論文作者簽名：日期：2014年12月18日關(guān)于學位論文版權(quán)使用授權(quán)的說明本人完全了解河北工業(yè)大學關(guān)于收集、保存、使用學位論文的規(guī)定。同意如下各項內(nèi)容：按照學校要求提交學位論文的印刷本和電子版本；學校有權(quán)保
2、存學位論文的印刷本和電子版，并采用影印、縮印、掃描、數(shù)字化或其它手段保存論文；學校有權(quán)提供目錄檢索以及提供本學位論文全文或者部分的閱覽服務(wù)；學校有權(quán)按有關(guān)規(guī)定向國家有關(guān)部門或者機構(gòu)送交論文的復(fù)印件和電子版；在不以贏利為目的的前提下，學?？梢赃m當復(fù)制論文的部分或全部內(nèi)容用于學術(shù)活動。（保密的學位論文在解密后適用本授權(quán)說明）學位論文作者簽名：日期：2014年12月18日導(dǎo)師簽名：日期：2014年12月18日摘要微表情是人類試圖壓抑或隱藏真實情感時，泄露的非常短暫的、不能自主控制的面部表情，是謊言識別的有效線索，主要應(yīng)用于安
3、全、司法、臨床等領(lǐng)域。微表情擁有持續(xù)時間短且難以識別的特征，使得計算機自動識別微表情的研究仍處于初期階段。微表情識別過程一般包括微表情圖像預(yù)處理、微表情檢測、微表情特征提取和微表情識別四個環(huán)節(jié)。本文對微表情特征提取、微表情分類識別等關(guān)鍵問題進行了研究，主要工作如下：(1)微表情圖像預(yù)處理為微表情識別的第一環(huán)節(jié)，本文采用AdaBoost算法檢測微表情圖像中的人臉，采用雙線性差值算法實現(xiàn)圖像的尺寸歸一化，采用Birnbaum-Saunders分布曲線建立回歸模型，標記微表情序列中，微表情出現(xiàn)的開始幀，持續(xù)時間和結(jié)束幀。(2
4、)研究了三正交平面的中心化二值模式(CentralizedBinaryPatternsfromThreeOrthogonalPanels,CBP-TOP)的微表情特征提取方法。CBP算子對亮點、邊緣等微小特征較為敏感，能顯著地降低直方圖的維度，還能充分考慮中心像素點的作用，并給與最高權(quán)重，通過引入符號函數(shù)sx()，CBP可以降低白色噪聲對圖像識別的影響。(3)研究了基于差分能量圖(DEI)和中心化Gabor二值模式(CGBP)的微表情特征提取方法。先提取微表情圖像序列的差分能量圖，然后選取2個尺度、3個方向的Gabor
5、小波后，再對Gabor系數(shù)圖譜進行中心化二值模式編碼，通過直方圖方法進行特征降維。結(jié)果表明，這種特征提取方法結(jié)合了Gabor小波變換和中心化二元模式的優(yōu)點，能有效的保持微表情特征，又能降低微表情特征向量維數(shù)。(4)使用ExtremeLearningMethod(ELM)機器學習方法，對上述改進的算法提取到的微表情特征進行分類識別。ELM隨機產(chǎn)生隱層結(jié)點參數(shù)，利用得到的外權(quán)決定輸出，大大簡化了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)復(fù)雜的迭代過程，可以直接應(yīng)用于回歸分析和多類分類中。應(yīng)用于微表情識別領(lǐng)域，其在準確率和計算速度方面具有良好的表現(xiàn)，均優(yōu)
6、于SVM分類器。為了證明本文兩種方法的有效性，在CASME微表情庫上進行對比實驗，結(jié)果表明，使用CBP-TOP算法的識別率為82.07%，高于傳統(tǒng)的LBP-TOP微表情特征提取算法的73.82%。使用DEI、CGBP和ELM方法的識別率為86.54%，高于傳統(tǒng)的Gabor和GentleSVM方法的85.42%。關(guān)鍵字微表情識別；差分能量圖；中心化二值模式；中心化Gabor二值模式；ELM分類器IABSTRACTMicro-expressionsareshort,involuntaryfacialexpressionsw
7、ithrevealingsuppressedeffectthatpeopletrytoconceal.Detectingandrecognizingmicro-expressionshavepotentialapplicationsinsecurity,justice,clinicalfieldsasacluetoidentifylies.Micro-expressionhasthecharacteristicsofshortdurationandhardtorecognition,whichmakestheresea
8、rchstillinitsearlystages.Micro-expressionrecognitionsystemgenerallyinvolvesfoursequentialparts:imagepreprocessing,micro-expressiondetection,featureextraction,andmicro
