基于Gabor小波与神经网络的人脸表情识别研究

论文摘要

面部表情是人们交往中一种非常重要的信息传递方式,能够传达很多语言所不能传达的信息。人脸表情识别是指利用计算机对人脸的表情信息进行特征提取并分类的过程,它使得计算机能够根据人的表情信息,推断人的心理状态,从而实现人机之间的智能化交互。人脸表情识别是近几十年来逐渐发展起来的一个科研热点。它是情感计算、智能人机交互的重要组成部分,有着广泛的应用前景和潜在的市场价值。人脸表情识别系统一般包括表情图像获取、表情图像预处理、表情特征提取和表情分类识别四个环节。本文重点集中在对表情特征提取、表情分类等关键问题的研究。首先,文中阐述了人脸表情识别的研究意义、应用前景和国内外的研究现状,总结了现有的表情识别方法。接着,本文提出一种基于离散余弦变换（DCT压缩）,Gabor小波变换,2DPCA的人脸表情特征提取方法。即先对图像进行预处理,接着对预处理后的图像进行DCT压缩,减少数据量,然后对压缩后的图像做Gabor变换来提取主要的表情特征。用2DPCA对得到的Gabor特征矩阵进行降维处理,这样可在保留主要表情信息的同时降低特征矩阵的维数,得到低维的特征矩阵。最后,文中研究了神经网络和神经网络集成,分别设计BP网络和集成神经网络对表情特征进行了分类,并对这两种分类的结果进行了比较。然后,采用CMU的Cohn-Kanade表情库中表情图像,对本文提出的表情特征提取方法的有效性进行了验证。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究的背景、意义和目的
• 1.2 国内外研究应用现状
• 1.3 课题研究的内容
• 第2章 人脸表情识别概述
• 2.1 表情识别的定义与基本结构
• 2.1.1 人脸检测与定位
• 2.1.2 表情图像预处理
• 2.1.3 脸部特征提取
• 2.1.4 表情分类
• 2.2 人脸表情的特点
• 2.3 主要的表情数据库
• 2.4 本章小结
• 第3章 Gabor小波变换在人脸表情识别中的应用
• 3.1 小波分析简介
• 3.1.1 Fourier变换
• 3.1.2 小波变换
• 3.1.3 小波变换的特点
• 3.2 Gabor小波变换
• 3.2.1 一维Gabor小波
• 3.2.2 二维Gabor小波
• 3.2.3 Gabor小波变换的特点
• 3.3 Gabor小波变换的人脸表情特征提取
• 3.3.1 人脸图像的Gabor小波变换
• 3.3.2 Gabor小波变换后的2DPCA降维
• 3.4 本章小结
• 第4章 基于神经网络的人脸表情分类
• 4.1 人工神经网络概述
• 4.2 神经网络的神经元
• 4.3 神经网络的网络模型
• 4.3.1 感知器模型
• 4.3.2 BP网络
• 4.3.3 Hopfield网络模型
• 4.4 本章小结
• 第5章 基于神经网络的人脸表情分类
• 5.1 BP神经网络设计
• 5.2 BP网络分类结果
• 5.3 本章小结
• 第6章 基于神经网络集成的分类器设计
• 6.1 神经网络集成概述
• 6.2 神经网络集成的实现方法
• 6.3 基于Bagging技术的神经网络集成分类器设计
• 6.4 泛化误差分析
• 6.5 集成神经网络表情分类实验分析
• 6.6 本章小结
• 第7章 总结
• 参考文献
• 攻读硕士学位期间发表的学术论文及科研工作
• 致谢