面部表情识别研究

论文题目: 面部表情识别研究

论文类型: 硕士论文

论文专业: 信号与信息处理

作者: 周晓彦

导师: 邹采荣

关键词: 面部表情识别,支持向量机,最佳判别面,核判别面,核典型相关分析

文献来源: 东南大学

发表年度: 2005

论文摘要: 面部表情是一种刻画情绪、认知、主体状态以及他们在社会交往中的作用和角色的方法[4]。在面对面的交流中,面部表情和其他的手势能够传达非语言的交流信息,这些信息能够作为语音的辅助帮助听者推断出说话人的意图。由于面部表情携带信息的原因,因此它对于自然和谐的人机接口目标的实现,具有相当重要的意义。有关面部表情识别的研究工作可以追溯到1978年Suwa [1]等人的工作,而真正兴起则开始于Mase和Pentland在90年代所作的开创性工作[2]。最近几年来,面部表情识别已经成为心理学、计算机视觉、模式识别等领域一个十分热门的研究课题,具有良好的应用前景。但是,表情识别是多学科交叉的研究课题,因此,仍然有很多相关问题需要解决。本文主要从模式识别和机器学习的角度对面部表情识别进行了研究,取得了一定的研究成果。本文中利用支持向量机对面部表情识别进行了研究,具体做法是首先从每一幅人脸图像中提取34个基准点,并将这些基准点的坐标为刻画表情变化的数据,然后采用支持向量机作为分类器来对表情进行分类。针对JAFFE的实验证实这种方法获得了较好的识别率。提出了基于核判别面方法的面部表情识别。核判别面方法通过对Sammon的最佳判别面采用核化原理,能将其由线性应用领域扩充到了非线性领域。在对面部表情识别时,我们仍使用34个基准点的坐标作为输入数据,然后先将面部表情这种多类别分类问题转化为多重二元分类问题,再在每一重分类问题中采用核判别面方法进行处理。实验证明相对于已有的方法,该方法具有较好的识别效果。提出了基于核典型相关分析的面部表情识别。核典型相关分析是研究非线性问题中两组向量之间相互关系的一种方法。在表情识别实验中,一方面我们采用了图像在34个基准点出的Gabor小波系数来表示该图像的表情特征;另一方面用一个包含了每一幅图像的语义分级的语义表情矢量作为语义表情表示。通过核典型相关分析研究矢量图和语义表情矢量之间的相互关系。根据这种相互关系,估计出一幅给定的测试图像相应的语义表情矢量,然后根据这个矢量来进行表情分类。针对JAFFE(日本女性面部表情库)和Ekman表情库的实验证明了核典型相关分析在面部表情识别中是确实有效的。

论文目录:

摘要

ABSTRACT

第一章 绪论

1.1 引言

1.2 研究的目的和意义

1.3 表情识别系统的结构

1.4 表情识别的国内外研究概况

1.5 表情识别中的难点

1.6 本文的主要研究工作

1.6.1 基于SVM 的面部表情识别

1.6.2 基于子空间方法的面部表情识别

1.6.3 基于核典型相关分析的面部表情识别

1.7 章节安排

第二章 基于SVM 的面部表情识别

2.1 最优分类面

2.2 构造最优分类面

2.3 支持向量机

2.3.1 高维空间中的最优分类面

2.3.2 构造支持向量机

2.4 面部表情识别

2.5 小结

第三章 基于核最佳判别面方法的面部表情识别

3.1 Fisher 线性判别分析

3.2 最佳判别面

3.2.1 算法描述

3.3 核最佳判别面

3.3.1 算法描述

3.3.2 第一个判别矢量求法

3.3.3 第二个判别矢量求法

3.4 基于核最佳判别面方法的面部表情识别

3.5 小结

第四章 基于核典型相关分析的面部表情识别

4.1 典型相关判别分析

4.1.1 典型相关分析

4.1.2 典型相关判别分析

4.2 核典型相关分析

4.2.1 算法描述

4.2.2 模式分类

4.3 运用核典型相关分析进行面部表情识别

4.4 小结

第五章 总结和展望

参考文献

致谢

发布时间: 2007-06-11

参考文献

• [1].基于面部运动单元的多层融合表情识别方法研究[D]. 刘爽侨.北京工业大学2016
• [2].大学生自卑特质对面部表情识别的影响研究[D]. 窦晓娟.河北师范大学2015
• [3].面部表情识别研究[D]. 韩金玉.哈尔滨工程大学2008
• [4].基于面部表情的情绪识别研究[D]. 王焕焕.哈尔滨工业大学2017
• [5].基于双维度多特征的表情识别方法研究[D]. 易生.长安大学2018
• [6].基于二次特征提取的表情识别[D]. 孙凯.长安大学2018
• [7].基于CNN-RNN的微表情识别[D]. 王思宇.哈尔滨工程大学2018
• [8].基于深度特征的多头部姿态下自然表情识别研究[D]. 张木兰.华中师范大学2018
• [9].基于人脸分区特征融合的表情识别算法研究[D]. 李英建.哈尔滨工业大学2018
• [10].融合双韦伯特征的深度置信网络表情识别[D]. 田苗.太原理工大学2017

相关论文

• [1].人脸表情识别研究[D]. 李文.陕西师范大学2007
• [2].人脸表情识别[D]. 张一鸣.大连理工大学2006
• [3].表情识别中预处理与人脸特征提取算法的研究[D]. 王力维.东南大学2006
• [4].人脸特征检测与表情识别[D]. 胡继胜.东南大学2006
• [5].面部表情识别系统中表情特征提取与识别算法的研究[D]. 陆慧聪.东南大学2006
• [6].人脸表情识别算法研究[D]. 孙雯玉.北京交通大学2006
• [7].基于混合特征的面部表情识别算法研究[D]. 史于心.吉林大学2007
• [8].基于静态图像的人脸表情识别研究[D]. 陈培俊.西南交通大学2007
• [9].人脸表情识别研究[D]. 宋星光.中南大学2005
• [10].面部表情识别方法研究[D]. 崔洁.西北工业大学2006

标签：面部表情识别论文;  支持向量机论文;  最佳判别面论文;  核判别面论文;  核典型相关分析论文;