基于二维Gabor变换与支持向量机的人脸表情识别研究

论文摘要

近年来,随着人们对人机交互兴趣的增加,情感计算逐渐成为一个研究热点。表情含有丰富的人体行为信息,是情感最主要的载体。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,并最终产生重大的经济效益和社会效益。本文以人脸表情为主要研究对象,以人脸表情识别算法为主要研究目的,对人脸表情特征提取以及人脸表情特征分析等问题进行了较深入的研究。针对现有表情识别算法存在的问题,本文提出了基于二维Gabor变换与支持向量机相结合的人脸表情识别算法。论文的创新点和主要贡献如下:（1）基于灰度积分投影的人脸表情区域定位方法。人脸表情主要集中于眼睛、眉毛和嘴的区域,称之为表情区域,人脸的其他区域对表情分析帮助很小甚至会起妨碍作用。本文采用图像二值化与灰度积分投影相结合的方法自动定位人脸中的表情区域。（2）二维Gabor滤波很好的描述了哺乳动物初级视觉神经系统中一对简单视觉神经元的感受特性,能够在时域和频域中兼顾对信号分析分辨率的要求。本文采用多频率、多方向的二维Gabor变换对人脸图像进行处理,并对已经定位的人脸表情区域网格化,所有表情子网格的Gabor特征组合在一起描述了该图像的表情本质信息,作为表情识别的特征向量。（3）采用C-SVC对表情特征进行分类。本文采用“one-against-one”方法由多个两类C-SVC构建多类C-SVC对表情特征进行分类,使用网格搜索与交叉验证相结合的方法自动获取分类器的最优参数,并且对样本数据分布不均衡的情况提出了解决方法。此外,本文采用序列后向选择算法进一步去掉冗余特征,提高了表情识别的准确率和速度。（4）基于以上的研究,构建了一个具有良好扩展性的模块化人脸表情识别系统。该系统不仅从实验角度验证了本文提出的算法的有效性,还可以作为人脸表情分析的研究和实验平台,为以后的研究工作奠定了良好的基础。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 人脸表情识别的问题描述
• 1.3 论文的研究内容和主要工作
• 1.4 论文结构安排
• 第二章 人脸表情识别研究综述
• 2.1 人脸表情识别概述及其发展现状
• 2.2 表情特征提取方法
• 2.2.1 原始特征获取方法
• 2.2.2 特征降维方法
• 2.2.3 特征分解方法
• 2.3 表情分类方法
• 2.4 人脸表情数据库及相关算法比较
• 2.5 小结
• 第三章 基于二维Gabor变换与支持向量机的人脸表情识别算法
• 3.1 人脸检测
• 3.2 表情图像预处理
• 3.2.1 彩色图像转化为灰度图像
• 3.2.2 表情图像尺寸归一化
• 3.2.3 表情图像平滑处理
• 3.2.4 表情图像灰度均衡化
• 3.3 表情区域定位
• 3.3.1 图像二值化
• 3.3.2 积分投影与投影曲线平滑
• 3.3.3 表情区域定位
• 3.4 基于二维Gabor变换的表情特征提取
• 3.4.1 二维Gabor滤波器
• 3.4.2 二维Gabor变换
• 3.4.3 表情特征提取
• 3.5 基于C-SVC的表情分类
• 3.5.1 核函数选择
• 3.5.2 不平衡数据的处理
• 3.5.3 基于“one-against-one”方法构建多类C-SVC
• 3.5.4 参数选择
• 3.5.5 序列后向特征选择算法
• 第四章 人脸表情识别平台构建
• 4.1 系统的功能分析
• 4.2 表情识别平台架构设计
• 4.3 表情识别平台实现
• 第五章 实验结果与分析
• 5.1 参数选择对算法识别率的影响与分析
• 5.1.1 Gabor变换核函数窗口尺寸的影响与分析
• 5.1.2 Gabor变换频率和方向选取的影响与分析
• 5.1.3 表情区域尺寸及网格化粒度的影响与分析
• 5.1.4 小结
• 5.2 实验结果总体分析
• 5.2.1 算法识别错误情况分析
• 5.2.2 不同表情识别率差异分析
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 工作展望
• 参考文献
• 发表论文和科研情况说明
• 致谢