基于動(dòng)態(tài)序列的微表情識(shí)別

《基于動(dòng)態(tài)序列的微表情識(shí)別》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、?學(xué)??TP391.4?????10183?ウ????2013522120???????????????喉????喊????????????Micro-expressionRecognitionBasedonDynamicImage????????уъ?????о?????ウ???????о?????????????????????????2016?6?未經(jīng)本論文作者的書(shū)面授權(quán)，化法收存和保管本論文書(shū)面版本、電子版本的任何單位和個(gè)人，巧不得對(duì)本論文的全部或部分內(nèi)容進(jìn)行任何形式的復(fù)制、修改、發(fā)行、出租、改編等有礙作者著作權(quán)的商業(yè)性使巧

2、）。否（但純學(xué)術(shù)性使用不在此限貝Ｉ。ｊ，應(yīng)承擔(dān)侵權(quán)的法律責(zé)任吉林大學(xué)碩壬學(xué)位論文原創(chuàng)性聲明－本人鄭重聲明：所呈交的碩上學(xué)位論文，是本人在指導(dǎo)教師的指導(dǎo)下，獨(dú)立進(jìn)行研究Ｘ作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰與過(guò)的作品成果。對(duì)本文的研究做出巫要貢獻(xiàn)的個(gè)人和集體，均己巧文中明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承扣。學(xué)位論文作者簽名：藻軒孩］＾＾期：６月＾日——————————————————————————基于動(dòng)態(tài)序列的微表情識(shí)別—————————

3、—————————————————Micro-expressionRecognitionBasedonDynamicImage作者姓名：張軒閣專(zhuān)業(yè)名稱(chēng)：模式識(shí)別與智能系統(tǒng)指導(dǎo)教師：田彥濤教授學(xué)位類(lèi)別：工學(xué)碩士答辯日期：年月日摘要摘要基于動(dòng)態(tài)序列的微表情識(shí)別類(lèi)似于傳統(tǒng)的宏觀表情，微表情包含幾類(lèi)基本情感，準(zhǔn)確識(shí)別微表情能夠有效把握情緒變化，為心理研究、行為預(yù)判等提供依據(jù)。區(qū)別于宏觀表情，微表情誘發(fā)機(jī)制復(fù)雜微妙，從起始到結(jié)束是一個(gè)短促弱化的過(guò)程，以往的基于靜態(tài)圖像的分析方法已不適用。本文針對(duì)序列圖像開(kāi)展研究，目標(biāo)是判斷情感類(lèi)別并提高整體識(shí)別精度，研究

4、內(nèi)容集中于特征提取和分類(lèi)兩個(gè)方面，重點(diǎn)在特征提取算法的實(shí)現(xiàn)和改進(jìn)上。特征提取中，我們從紋理分析和亮度跟蹤兩個(gè)角度挖掘圖像間相關(guān)性。利用紋理普遍存在于圖像中的共性規(guī)律，采用時(shí)空局部紋理描述算子（LBP-TOP）提取微表情動(dòng)態(tài)特征?？紤]到圖像中不同方向信息對(duì)紋理的刻畫(huà)程度不同，通過(guò)高斯微分預(yù)處理，再對(duì)各方向使用LBP-TOP，實(shí)現(xiàn)多尺度紋理分析。其次，基于光照不變和局部平滑兩個(gè)約束條件，文中首次應(yīng)用全局光流技術(shù)跟蹤灰度圖像像素亮度變化。采用高斯圖像金字塔和迭代重加權(quán)最小二乘法在相鄰兩幀間優(yōu)化目標(biāo)函數(shù)，估算最優(yōu)光流，細(xì)致反映像素運(yùn)動(dòng)情形，解決了微表情

5、持續(xù)時(shí)間短的難題。由于相鄰兩幀差別很小，獲得的光流過(guò)于微弱，通過(guò)依次傳遞每?jī)蓭倪\(yùn)動(dòng)信息得到相隔多幀的光流，形成全局稠密光流場(chǎng)，體現(xiàn)人臉關(guān)鍵區(qū)域細(xì)微改變，排除了強(qiáng)度低的困擾。在此基礎(chǔ)上對(duì)光流圖像進(jìn)行區(qū)域劃分，在局部?jī)?nèi)統(tǒng)計(jì)特征。更進(jìn)一步，為抵消背景噪聲、面部膚質(zhì)引起的計(jì)算誤差，提出一種新穎的特征結(jié)合方法，將LBP-TOP提取的時(shí)空局部紋理特征和光流特征相結(jié)合，補(bǔ)充描述遺失的細(xì)節(jié)信息，以改善分類(lèi)效果。在分類(lèi)器設(shè)計(jì)環(huán)節(jié)，本著時(shí)間成本可控，高效易用的原則，文中選用兩種成熟的機(jī)器學(xué)習(xí)算法（支持向量機(jī)、隨機(jī)森林）分別生成分類(lèi)模型。支持向量機(jī)在每?jī)深?lèi)間構(gòu)造分

6、類(lèi)器，采取交叉驗(yàn)證和網(wǎng)格搜索的策略遴選出的最優(yōu)參數(shù)確定分類(lèi)超平面，完成多類(lèi)樣本的區(qū)分；而隨機(jī)森林通過(guò)Bagging和特征子空間兩種隨機(jī)化思想組合若干棵決策樹(shù)模型，投票預(yù)測(cè)結(jié)果，降低了泛化誤差。實(shí)驗(yàn)結(jié)果表明，全局光流技術(shù)能夠應(yīng)用于微表情識(shí)別研究中，在CASMEII數(shù)據(jù)庫(kù)下，算法改進(jìn)后，特征的整體識(shí)別精度和類(lèi)間區(qū)分準(zhǔn)確度均有顯著提升，并且，多尺度紋理分析的方法對(duì)識(shí)別效果有較大改善，此外，LBP-TOP和光流兩種特征具有很好的互補(bǔ)性，各項(xiàng)數(shù)據(jù)驗(yàn)證了文中方法合理有效，具備可行性。關(guān)鍵詞：微表情，LBP-TOP，光流，支持向量機(jī)，隨機(jī)森林IAbstrac

7、tABSTRACTMicro-expressionRecognitionBasedonDynamicImageSimilartotraditionalmacro-expression,micro-expressioncontainsseveraltypesofbasicemotion,accuraterecognitionofmicro-expressioncaneffectivelygraspthechangeinmood,andthenprovideabasisforpsychologicalresearch,behaviorpredict

8、ionandsoon.Differentfrommacro-expression,micro-expressioninducedmechanismis