基于统计特征提取和粒子群优化算法的人脸表情识别算法研究

来源 :山东大学 | 被引量 : 0次 | 上传用户:Heavenws
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着新信息技术和多媒体的发展,人机交互(human-computer interaction)方式得到了本质的改进,它不再仅仅依赖于键盘、鼠标和显示器这些传统的计算机外部设备,而是更多地基于多媒体方式如图像和视频,从而变得更加高效,界面也更加友好。表情是一种人类用以表达情感进行交流的有效手段,使计算机能够按照人类的思维方式认知表情(人脸表情识别)成为人机交互的重要途径。人脸表情识别是一个涉及心理学、生物信息科学、图像处理、计算机视觉、模式识别和机器学习等领域的交叉学科,自20世纪80年代问世以来受到了广泛关注。由于人脸图像非常复杂,表情识别需要排除位置、光照、角度和不同人脸特征的干扰,因此出现了大量人脸检测和定位、表情特征提取和分类的经典算法,也得到了比较理想的效果。本文在详细研究这些算法的基础上,结合数据优化领域的粒子群优化算法,提出了基于统计特征提取和优化算法的人脸表情识别方法。本方法充分利用了小波变换多方向多分辨率的优势,统计特征提取算法较低的运算复杂度和粒子群优化算法高效的优化能力。本文以表情识别为研究对象,重点介绍表情特征的提取和优化过程的理论。具体来讲,主要包含如下几方面的内容:1.介绍课题背景和研究意义,简要描述计算机视觉、模式识别领域的基本理论和主要算法。同时介绍人脸表情识别技术的研究背景和发展现状,进一步分析表情识别系统的组成和各个部分的实现方法及其特点。2.在前述工作的基础上,本文主要提出新型算法,具体来讲就是首先使用小波变换降低表情图像的数据量,保留有益于表情识别的频率成分,如脸部轮廓和眼、眉、鼻、口等表情特征部位的细节信息,然后运用具有统计特性的分析方法-主成分分析和线性判别分析以及它们的二维扩展对表情数据进行降维和特征提取,进一步使用粒子群优化算法与它的改进形式进行特征优化,去除表情识别不利因素的影响,最后按照所得表情特征使用最近邻聚类方法对其进行分类。在日本JAFEE表情库上的仿真实验得到了较好的结果,相比其他方法能够得到更好的识别效果3.对所做工作进行总结,明确下一步的研究方向,研究重心逐渐过度到半监督学习和无监督学习的表情识别上来,并进一步探索微表情处理、混合表情等非基本表情的研究领域。
其他文献
系统辨识一直都是控制领域研究的热点与难点。传统的辨识方法在处理非线性系统辨识上存在很多的缺点,而人工神经网络具有自适应能力、并行处理能力、自学习能力以及任意逼近非
蓬勃发展的压缩感知(Compressed Sensing)理论提供了一种非常简单有效的信号获取方式,借助于重构算法它可以用低于奈奎斯特率的采样来恢复原始信号。随着CS理论在信号处理领
发光二极管作为光源在可见光通信中被广泛使用,同时发光二极管也具有光电响应的能力,可以作为可见光通信的接收端。关于发光二极管区别于光电二极管的特性以及这些特性对通信
近20年来,光纤传感器因其质量轻、体积小、灵敏度高等优点而被广泛应用在传感和测量领域。而光纤布拉格光栅(FBG)传感器作为光纤传感器的一类产品除了具备以上特点外,还具有
随着通信用户的急剧增加,通信系统在信道容量以及通信质量方面面临着巨大的挑战。传统的窄带通信已经不能满足人们的需求,码分多址扩频通信应运而生,迎来了通信史上的一次革
图像配准是对不同时间、不同视角或不同条件下(气候、亮度、摄像位置和角度等)获取的两幅图像进行匹配和叠加的过程。图像配准技术在遥感图像处理、模式识别、医学图像分析等
随着无线技术的快速发展和无线设备的激增,对无线频谱资源的需求变得越来越旺盛。现有的固定频谱分配方案已经造成了频谱资源的极大浪费。为了去解决频谱资源稀缺和频谱利用
在飞速发展的互联网技术中,数据量的增长呈爆炸性的趋势。数据作为信息的载体,在信息化的发展过程中占有举足轻重的地位。海量数据的管理困难、高数据存储成本、低可靠性和低
在机器视觉和图像分析领域中,类圆形图像的分割与识别是其中一个极其重要的研究方向。类圆,顾名思义,就是圆的类似情况。在人们的现实生活中,类圆形物体普遍存在,例如:工业零