基于视频图像的人脸表情识别技术的研究

论文题目: 基于视频图像的人脸表情识别技术的研究

论文类型: 硕士论文

论文专业: 计算机应用技术

作者: 叶敬福

导师: 詹永照

关键词: 模式识别,图像处理,小波变换,表情弹性图,弹性模板匹配

文献来源: 江苏大学

发表年度: 2005

论文摘要: 人脸表情识别是指利用计算机分析特定人的脸部表情及变化,进而确定其内心情绪或思想活动,实现人机之间更自然更智能化的交互。基于视频的人脸表情识别的研究对于增强计算机的智能化和人性化,开发新型人机环境,以及推动心理学等学科的发展,有着重要的现实意义,并最终产生很大经济效益和社会效益。本文首先综述课题的研究背景,分析目前国内外已提出的主流人脸表情识别方法,重点对主成份分析方法、小波变换方法、光流模型和隐马可尔夫模型进行了详细阐述和比较。总体上,人脸表情识别方法可分为基于静态图像的识别方法和基于图像序列(或视频)的动态方法,这两类方法各有优缺点:静态方法简单快捷,但通常要求所处理的静态图像包含的表情处于极大或夸张状态;而动态方法侧重于对一般的视频流处理,以提取表情的运动特征并实现表情的可靠识别,该方法更具一般性,但模型复杂,计算量大,无法满足实时性要求。为了满足实时性和可靠性要求,本文接着提出了基于图像差分的关键帧检测算法和基于Gabor小波变换的表情特征提取和识别算法,具体包括如下: (1) 对视频环境中采集到的每一帧表情图像执行Gabor小波变换,提取该帧的表情特征信息。为了更好地提取表情特征信息,需要对获得的正面表情图像帧进行尺寸归一化和灰度归一化处理,然后再进行Gabor小波变换。变换后的一系列小波特征向量表达了该图像帧的表情特征,故称之为表情特征弹性图。 (2) 跟踪变换后的表情特征弹性图序列,采用图像差分方法,检测表情特征处于极大或夸张状态的关键帧。即将每一种类表情对应的平静状态图像弹性图作为基准,将随后跟踪到的弹性图与该基准图像作差分,分析差分后的欧氏距离变化趋势及变化的时间间隔,选择变化幅度较大且合理的表情弹性图作为关键帧。 (3) 将检测到的表情关键帧作为典型的静态表情图像,提出基于弹性模板匹配和改进的K近邻分类算法识别该关键帧图像所对应的表情状态。通过学习,构造一定规模的表情模板库,将被测表情弹性图与模板库中的模板进行弹性匹配,选择最佳匹配的弹性模板作为最终的识别结果。本文结合了动态图像序列和静态图像的识别技术,使得待识别的表情图像数量大为减少,同时,基于Gabor小波变换的表情特征提取算法能够最大限度地屏蔽光照条件和个人特征的差异。因此上述方法不仅使实时性和可靠性得到很好的权衡,还基本做到了与人无关(subject-independent)的人脸表情识别。本文最后采用面向对象的设计方法给出了人脸表情识别的原型系统,并从实验角度验证了上述方法的有效性。

论文目录:

第一章绪论

1．1 课题的背景

1．2 人脸表情识别涉及的研究领域及应用

1．3 论文的研究内容及主要工作

1．4 论文的结构概要

第二章人脸表情识别技术的研究与进展

2．1 概述

2．2 人脸表情识别系统若干阶段分析

2．3 典型的人脸表情识别算法介绍

2．3．1 主成份分析(PCA)结合线性判别方法

2．3．2 小波变换

2．3．3 光流模型

2．3．4 隐马可尔夫模型

2．4 人脸表情识别方法的比较和总结

2．5 小结与启示

第三章人脸表情图像的预处理

3．1 概述

3．2 人脸表情区域的自动分割

3．3 表情图像的尺寸归一

3．4 表情图像的灰度归一

3．5 小结

第四章基于 Gabor小波变换的人脸表情特征提取算法

4．1 概述

4．2 小波理论与 Gabor变换

4．2．1 小波变换与多分辨率分析

4．2．2 Gabor变换

4．3 人脸表情图像的网格化

4．3 基于 Gabor小波变换的表情弹性图的构造

4．3．1 Gabor小波函数的选择

4．3．2 表情弹性图的构造

4．4 实验结果及分析

4．5 小结

第五章基于图像差分的关键帧检测技术

5．1 概述

5．2 基于图像差分的表情关键帧检测算法

5．2．1 图像差分介绍

5．2．2 改进的图像差分算法

5．3 实验结果及有关实时性的讨论

5．3．1 实验结果

5．3．2 关于实时性的讨论

5．4 小结

第六章基于弹性模板匹配的分类识别

6．1 概述

6．2 表情关键点检测与表情模板的构造

6．2．1 表情关键点的检测

6．2．2 表情模板的构造

6．3 基于最小能量函数的弹性模板匹配算法

6．4 K-近邻分类策略

6．5 实验结果及分析

6．6 小结

第七章表情识别原型系统的设计与实现

7．1 面向对象、UML和设计模式

7．2 系统功能分析

7．3 系统的静态结构

7．4 系统的动态结构

7．5 人脸表情识别原型系统界面简述

7．6 小结

第八章结束语

8．1 工作总结

8．2 下一步工作展望

参考文献

致谢

发表文章

发布时间: 2005-10-18

参考文献

[1].基于深度学习的人脸表情识别[D]. 罗翔云.杭州电子科技大学2017
[2].基于未确知聚类的人脸表情识别研究[D]. 刘阳.河北工程大学2013
[3].基于粒计算的人脸表情识别研究[D]. 乐大勇.南昌大学2013
[4].Microsoft Agent技术在人脸表情识别系统中的应用[D]. 李超.天津大学2010
[5].基于静态图像人脸表情识别的研究与实现[D]. 张博瑞.西南大学2017
[6].人脸表情识别系统的研究与实现[D]. 樊引刚.北京交通大学2011
[7].多角度人脸表情识别关键技术研究[D]. 何忠文.南昌大学2017
[8].基于局部二值模式的人脸表情识别的研究与实现[D]. 王华.广西师范大学2016
[9].基于视频流的人脸表情识别技术研究[D]. 牛志国.西安电子科技大学2011
[10].基于嵌入式的人脸表情识别系统的研究[D]. 郭鹏鹏.大连工业大学2012

基于视频图像的人脸表情识别技术的研究

猜你喜欢