基于灰度差投影与贝叶斯分类器的表情识别研究

论文摘要

人脸表情识别研究近年来取得了很大的研究成果,目前国内外多所大学和研究机构已经研制出一些简单的人脸表情识别系统原型,其中一些人脸表情分析技术已经在监控中投入应用。但由于影响人脸表情识别性能的因素很多,包括环境的复杂程度、光照的强弱程度、年龄大小、姿态正面或者侧面、图像分辨率和成像噪声等因素,对表情识别率的提高仍有很大限制,在图像定位的精确度和识别率方面有待提高。本文根据当前研究现状,以降低表情识别的时间复杂度、提高表情识别率为目的,进行了如下研究和改进:首先,在灰度投影的基础上,提出基于灰度差投影的人脸定位算法。由于数据库图像中背景与面部之间即面颊的边界近似为一个水平方向边缘点组成的垂直的阶跃边缘,并且每一个象素的水平灰度差(即灰度变化幅度)都较大,因此把这些竖直边界上象素的水平灰度差都加起来,进行竖直积分投影就可以得到定位结果,实现用差值投影取代直接投影,从而降低定位误差和时间复杂度。其次,基于PCA重建提取特征算法。将表情识别的训练集按表情分类形成不同表情子集,然后在子集上运用PCA算法,分别得到各个子集对应的正交基。对于待测图像,在不同表情子集生成的正交基上分别进行投影,利用投影坐标重建,得到一幅图像在七种表情下投影的七幅图像。最后,基于贝叶斯分类器的表情分类算法。针对欧式距离在表情分类方面不能适应光照和表情变化等问题,提出贝叶斯分类器算法。求出每种表情不同图像的灰度差,根据各个灰度差后验概率所占的比重来判定待测图像是哪种表情。通过实验证明采用本论文的算法在表情识别率与时间复杂度方面都有了大幅提高。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景及意义
• 1.2 国内外研究现状
• 1.3 本文研究内容
• 1.4 本文结构安排
• 第二章 人脸表情识别研究综述
• 2.1 表情识别概述
• 2.2 表情识别系统框架图
• 2.3 表情识别的主要技术方法
• 2.3.1 基于几何特征的方法
• 2.3.2 模板匹配方法
• 2.3.3 特征子空间方法
• 2.4 表情识别的难点不足和应用
• 2.4.1 表情识别的难点
• 2.4.2 表情识别的不足
• 2.4.3 表情识别的应用
• 第三章 基于灰度差投影的表情区域定位算法
• 3.1 人脸检测
• 3.1.1 使用Haar-lilke 特征构造弱分类器
• 3.1.2 利用Adaboost 算法生成强分类器
• 3.1.3 级联分类器
• 3.1.4 基于AdaBoost 级联分类器人脸检测算法的实验结果
• 3.1.5 图像预处理
• 3.2 基于灰度差投影的人脸定位算法
• 3.2.1 灰度投影方法
• 3.2.2 基于灰度差投影的人脸定位算法
• 3.2.3 基于灰度差投影的人脸定位算法的实现与结果分析
• 第四章 基于PCA 重建的特征提取算法
• 4.1 常用的特征提取算法
• 4.1.1 主成分分析算法
• 4.1.2 PCA 应用于表情识别的具体方法
• 4.2 基于PCA 重建的表情提取方法
• 4.3 基于PCA 重建的表情提取方法的实现与结果分析
• 第五章 基于贝叶斯分类器的表情分类算法
• 5.1 贝叶斯分类器
• 5.1.1 集合概念
• 5.1.2 贝叶斯法则
• 5.1.3 贝叶斯最优分类器
• 5.2 基于贝叶斯分类器的表情分类算法
• 5.3 基于贝叶斯分类器的表情分类算法的实现与结果分析
• 5.4 比较其他算法并分析
• 第六章 表情识别系统设计与实现
• 6.1 表情识别系统概述
• 6.2 表情识别系统设计
• 6.3 表请识别系统实现
• 第七章 总结与展望
• 7.1 本文工作总结
• 7.2 研究展望
• 参考文献
• 发表论文和科研情况说明
• 致谢