基于Gabor小波变换的人脸表情识别技术研究

论文摘要

表情识别正逐渐成为人工情感、人工心理、模式识别等领域的研究热点。通过运用表情识别技术使计算机具有拟人的表情识别功能,能像人一样通过表情进行交流,能通过表情读懂人的内心世界,这对构建自然和谐的人机交互环境具有重要意义。表情识别技术是情感计算的内容之一,是心理学、生理学、图像处理、机器视觉、模式识别等领域的一个极富挑战性的交叉课题。本文首先在认真阅读国内外大量文献和书籍的基础上,对人脸表情识别课题背景、研究价值、应用领域及国内外研究现状进行了阐述。并对人脸表情识别系统所涉及到的各个步骤现今所采用的主流的方法做了比较全面的综述。这为表情识别技术的研究和探讨打下了坚实的理论基础。其次,对一幅要进行表情识别的表情图像都进行图像预处理工作。首先对人脸检测技术进行了深入的研究,根据人脸肤色在YCbCr空间的概率分布特性和对应的肤色分布的高斯模型特征,本文采用一种基于肤色高斯模型的人脸检测算法。在YCbCr色彩空间建立高斯肤色模型,运用这一模型对肤色进行分割,然后运用人脸在几何规则上的一些先验知识对人脸区域进行定位。图像预处理的另一个工作是对图像进行归一化。归一化的内容是利用图像灰度化、旋转变换、缩放变换、灰度均衡化这四种算法,将人脸检测得到的表情图像归一化。然后,利用Gabor小波提取表情特征的优势及弹性模板匹配方法对表情分类的优势,探索了基于Gabor小波和弹性模板匹配的表情识别方法。运用多空间尺度、多方向的Gabor滤波器组来提取表情图像的Gabor特征。并结合弹性模板匹配,计算待测表情图像与表情数据库中的表情图像的相似度,然后利用这一相似度,运用K近邻表情分类策略对表情进行分类识别。通过实验证明了该方法的可行性。最后,运用本文所介绍的表情识别各算法,使用Visual Studio C++ 6.0开发工具在Windows XP平台上设计并实现了人脸表情识别系统。经过两个表情数据库的测试,表情识别系统的识别性能基本达到了预期要求。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文的研究背景及意义
• 1.2 国内外研究现状
• 1.3 本文组织结构及简介
• 第二章 人脸表情识别基本理论
• 2.1 人脸表情的分类
• 2.2 表情识别的基本步骤
• 2.3 人脸检测和定位方法
• 2.3.1 基于知识规则的方法
• 2.3.2 基于可视规则特征的方法
• 2.3.3 基于模板匹配的方法
• 2.4 人脸表情识别方法
• 2.4.1 基于几何特征的识别方法
• 2.4.2 基于整体特征的识别方法
• 2.4.3 基于模型的识别方法
• 2.5 本章小结
• 第三章 人脸表情图像预处理
• 3.1 人脸检测
• 3.1.1 肤色色彩空间的选择
• 3.1.2 肤色分割
• 3.1.3 人脸区域的确定
• 3.2 表情图像灰度化
• 3.3 表情图像几何归一化
• 3.3.1 表情图像的旋转
• 3.3.2 表情图像的缩放
• 3.4 表情图像灰度均衡化
• 3.5 本章小结
• 第四章 基于Gabor小波和弹性模板匹配的表情识别
• 4.1 Gabor小波简介
• 4.2 Gabor 滤波器
• 4.3 基于Gabor小波变换的表情特征提取
• 4.3.1 Gabor滤波器组的参数设计
• 4.3.2 表情特征提取
• 4.3.3 表情特征降维
• 4.4 基于弹性模板匹配的表情分类和识别
• 4.4.1 表情区域选取
• 4.4.2 弹性模板匹配
• 4.4.2 K近邻表情分类策略
• 4.5 实验结果及分析
• 4.6 本章小结
• 第五章 人脸表情识别系统的设计与实现
• 5.1 引言
• 5.2 系统的总体设计
• 5.3 系统的功能模块设计
• 5.3.1 系统功能模块结构图
• 5.3.2 系统各功能模块介绍
• 5.4 系统实现及结果显示
• 5.5 本章小结
• 第六章 总结和展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 个人简历 在读期间发表的学术论文
• 致谢