基于几何特征和支持向量机的人脸表情识别研究

论文摘要

表情是一种人体微语言交流的重要形式，人类的内心思维和情感态度通过微妙的表情流露而传递给对方。在某种程度上来说，人脸表情对于人与人之间信息交流有着无可替代的作用和意义，特别是在强噪声环境下这种意义的效用将会更明显。而利用计算机对面部表情进行智能化的识别是实现人机人性化交互的基础。新世纪以来随着互联网通讯技术和人工智能技术的快速进步，人机交互越来越多的吸引了人们兴趣和关注，使得人体表情识别成为一个新兴的研究热点。人脸识别技术在计算机视觉、心理学、模式识别等领域有着越来越广泛的应用，其发展前景非常广阔。现有的技术条件下由于不能对复杂的面部肌肉运动组合运动的特征点进行准确的定位，因此人脸识别技术在社会生产生活中的应用仍然受到较大的限制。本文在对国内外人脸识别技术的研究进展进行价值分析的基础上，就当前人脸识别技术的表情图像预处理、图像表情特征提取和自动化归类三个工作程序中的薄弱技术环节进行了深入的探讨和摸索，着重从两个方面进行了研究：一是对几何特征提取和降维工作的创新；二是在对基于向量机的人脸识别技术进行算法改进时，引入了对类间分类测度构造决策树理论，实现了支持向量机多分类人脸识别的技术要求。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 国内外研究现状
• 1.2.1 国内外对人脸识别技术的研究现状及主要问题
• 1.2.2 国内外对人脸识别技术工作流程的研究及主要问题
• 1.3 研究的主要内容及目标
• 1.3.1 研究的主要内容
• 1.3.2 研究目标
• 第2章 人脸识别技术的关键理论和技术
• 2.1 人脸识别技术的技术原理
• 2.2 特征提取及降维技术
• 2.2.1 基于几何特征的特征提取技术
• 2.2.2 基于运动的特征提取技术
• 2.3 支持向量机技术（SVM）
• 第3章 人脸表情图像的预处理及特征提取
• 3.1 人脸表情图像的预处理
• 3.1.1 眼部肌肉群域的特征定位
• 3.1.2 人脸图像的归一化处理
• 3.2 人脸表情图像的特征提取
• 3.2.1 面部结构的生理学解析
• 3.2.2 面部表情的特点解析
• 3.2.3 面部表情的几何特征提取
• 3.3 进一步对提取的几何特征降维处理
• 第4章 基于支持向量机的人脸识别的多分类改进算法
• 4.1 传统的对支持向量机多分类改进算法及评价
• 4.1.1 “一对一”分类算法及评价
• 4.1.2 “一对多”分类算法
• 4.2 支持向量机多分类改进算法
• 4.2.1 线性可分的凸二次规划
• 4.2.2 软线性超平面的松弛变量
• 4.2.3 非线性可分的线性转换
• 4.2.4 空间转换中的内积运算函数替换
• 4.3 基于决策树的支持向量机结构改进算法
• 第5章 人脸识别算法的实现与测评
• 5.1 人脸识别算法的结构模块和工作流程
• 5.2 人脸识别算法的功能实现
• 5.2.1 光线补偿
• 5.2.2 图像灰度化及均衡
• 5.2.3 几何特征提取
• 5.2.4 改进后基于决策树的支持向量机多分类工具
• 5.3 测评结果与分析
• 第6章 结论与展望
• 6.1 研究结论
• 6.2 工作展望
• 参考文献
• 致谢