论文部分内容阅读
一直以来人机交互是计算机科学技术发展的重点。能让机器很好的理解人的心理活动，将极大地改变人机交互方式。理解人的心理活动需要识别人脸表情，因为表情中包含丰富的情感信息，因此人脸表情识别越来越受到关注，成为情感计算的研究热点。本文主要研究了表情识别过程的一些关键技术，包括人脸检测与定位、表情特征提取、表情分类识别。论文的研究工作与成果如下：（1）对人脸表情图像预处理的研究。首先研究并实现了基于Adaboost算法的人脸检测方法，检测出人脸后，运用积分投影法定位出人眼，接着以人眼坐标为基准从图像中裁剪出只包含表情的人脸区域，然后进行尺寸归一化处理、倾斜校正和光照均衡处理，最后得到统一的标准表情图像，为后续工作做准备。（2）Gabor小波提取表情特征的研究。本文在Gabor小波理论的基础上实现了表情图像的Gabor特征提取， Gabor小波变换实际上就是Gabor滤波器的核函数通过尺度变换和旋转生成的一组滤波器，通过实验比较Gabor小波的不同尺度和方向对识别率的影响，选出参数构造出多方向多尺度的Gabor滤波器组提取表情图像的纹理信息。（3）表情特征降维处理的研究。由于Gabor小波提取的特征维数较高，不利于分类且存在信息冗余，因此需要对Gabor特征降维获取最有利于分类的特征。本文研究了主成分分析（PCA）和局部线性嵌入式（LLE）两种算法，通过实验证明LLE对非线性数据的降维效果更好，因此利用LLE算法对Gabor特征进行降维，为了使各类表情特征的区分性更好，本文提出一种Gabor小波结合LLE与FLD（fisher判别分析）算法的表情特征提取方法，最后通过比较本文算法与Gabor结合PCA与FLD算法的识别率，验证本文算法的可行性及有效性。（4）表情特征分类识别的研究。首先运用支持向量机（SVM）对表情进行分类识别，得到较好的识别结果，为了进一步提高识别率，本文将SVM与距离分类器融合对表情进行识别，融合方法采用模糊积分方法。通过比较融合前后的识别率，验证融合方法能够使识别率有所提高。本文的所有算法验证都是采用JAFFE表情库进行的，实验分为与人有关的表情识别和与人无关的表情识别。