收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于小波变换的人脸表情识别算法的分析与研究

江杰青  
【摘要】:人脸表情识别是指提取人脸表情特征信息后,根据人类的认识和思维方式进行分析理解和归类,然后依据人类在情感方面所具有的先验知识,使得计算机能够模拟人类的思维进行思考及推理,通过分析人脸信息进而理解人的情绪。人脸表情识别是一个极富挑战性的交叉课题,涉及生物特征识别、模式识别、图像处理、机器视觉、生理学、心理学等研究领域。它是情感计算、人机交互的重要组成部分,也是模式识别与人工智能等领域的研究热点,有着极高的学术价值和巨大的市场应用潜力。 近年来,在国内外各大科研院所、知名高校和IT公司的共同努力下,人脸表情识别技术得到快速发展。本文立足于前人在相关领域的研究成果上,查阅和分析大量国内外关于人脸表情识别的学术论文及文献,着力研究面部表情特征提取和识别的关键技术与方法,目的是为了寻求实现相对简单、特征提取和识别速度快、高识别率且适合于人脸表情识别的算法。本文主要工作如下: 1、从人类情感出发,全面综述了人脸表情研究的背景和重要意义、研究的目的和应用领域、国内外研究现状和发展趋势。接着从人脸表情识别技术环节出发,对人脸检测和预处理、人脸表情特征的提取和人脸表情特征的分类识别的主要技术方法进行了分类整理,最后介绍了目前世界上几种主要的人脸表情数据库。 2、本文提出基于DWT-PCA/Fisher线性判别分析的人脸表情识别算法。二维离散小波变换(DWT)具有良好的时频局部化特性和较好的能量集中特性,能够使得分解后的子图信息包含原始图像绝大多数信息量。因此,本文在DWT这种优良特性的基础上对原始表情图像进行DWT分解,提取小波系数作为特征。依据人脸表情识别学科理论可知,有效信息主要体现在眉毛、眼睛、嘴的变化上,其次是体现在这些变化之间的相互关系上。这些细节变化根据图像处理学科知识可知主要是由图像边缘的过度改变产生的,因此获得表情图像的细节信息有助于表情识别。而DWT变换后的高频信息表征的正是图像的纹理细节信息。因此,本文在提取小波分解低频信息的同时保留了部分高频信息。针对表情识别研究中所面临的小样本问题,本文通过主成分分析法将高维空间的样本图像投影到低维空间保证了样本类内离散度矩阵非奇异,同时去除数据间的相关性,然后采用Fisher线性判别法对这些非奇异阵进行特征提取。最后利用最近邻法进行分类识别。为了验证本算法的有效性和鲁棒性,本文做了与人有关和与人无关的两组实验,实验采用的是日本JAFFE人脸表情库的六种表情(生气、厌恶、恐惧、高兴、悲伤、惊讶),实验证明,本文的算法具有一定的表情判别分析能力,并且特征提取速度相比没有使用DWT提高了近12倍。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 丁维福;姜威;张亮亮;;结合Gabor变换和FastICA的人脸表情识别方法[J];计算机工程与应用;2011年24期
2 王晓霞;李振龙;辛乐;;基于混合特征和分层最近邻法的人脸表情识别[J];计算机工程;2011年15期
3 李瑞峰;孙中远;王珂;黄超;;具有面部表情识别与再现的机器人头部系统的研制[J];机械设计与制造;2011年07期
4 谢尔曼;罗森林;潘丽敏;;基于Haar特征的Turbo-Boost表情识别算法[J];计算机辅助设计与图形学学报;2011年08期
5 闫菲;牛秦洲;张照辉;;基于事例推理(CBR)的情感智能教学研究[J];微型机与应用;2011年13期
6 金益;;虚拟角色脸部模型的构建方法[J];苏州市职业大学学报;2011年02期
7 司倩倩;樊养余;;一种用于人脸动画的拟合抽象肌肉模型[J];现代电子技术;2011年10期
8 童啸;;分块NSA在人脸识别上的应用[J];电子设计工程;2011年15期
9 王守觉;梁先扬;;图像变形计算方法及其应用[J];计算机辅助设计与图形学学报;2011年08期
10 ;[J];;年期
11 ;[J];;年期
12 ;[J];;年期
13 ;[J];;年期
14 ;[J];;年期
15 ;[J];;年期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 欧阳琰;桑农;;基于面部动作单元组合特征的表情识别[A];第十五届全国图象图形学学术会议论文集[C];2010年
2 陈辉;张家树;;人脸表情的混沌仿生识别[A];第二届全国信息获取与处理学术会议论文集[C];2004年
3 刘芳;王志良;徐银梅;陈锋军;郭群;;应用于表情识别的黑斑特征算法的设计与实现[A];第一届中国情感计算及智能交互学术会议论文集[C];2003年
4 王吉林;;基于神经网络的人脸表情识别研究[A];2006’和谐开发中国西部声学学术交流会论文集[C];2006年
5 程剑;应自炉;张有为;;基于模糊积分多分类器融合的人脸表情识别[A];第十二届全国信号处理学术年会(CCSP-2005)论文集[C];2005年
6 朱娅妮;王喆;;基于遗传算法进化的SVM人脸表情识别[A];2009年中国智能自动化会议论文集(第三分册)[C];2009年
7 徐东海;赵宏;叶西宁;;基于改进LBP的表情特征提取算法[A];上海市化学化工学会2010年度学术年会论文集(自动化专题)[C];2010年
8 苏建霞;李凯;林文茹;;人脸表情识别软件的设计[A];第七届全国信息获取与处理学术会议论文集[C];2009年
9 刘帅师;田彦涛;郭冬梅;史于心;;基于混合特征和SVM的人脸表情识别算法[A];2009年中国智能自动化会议论文集(第三分册)[C];2009年
10 何良华;邹采荣;王志平;石光;赵力;;基于DWT-DCT的人脸表情识别[A];第一届中国情感计算及智能交互学术会议论文集[C];2003年
中国博士学位论文全文数据库 前10条
1 刘帅师;非均匀光照和局部遮挡情况下的鲁棒表情识别理论与方法研究[D];吉林大学;2012年
2 张铮;基于二维MB-LGBP特征的表情识别及其光照检测研究[D];天津大学;2010年
3 杨勇;基于粗糙集理论的表情识别研究[D];西南交通大学;2009年
4 何良华;人脸表情识别中若干关键技术的研究[D];东南大学;2005年
5 朱明旱;基于流形学习的人脸表情识别研究[D];中南大学;2009年
6 林裕旭;基于扫描数据的三维人脸表情合成[D];浙江大学;2010年
7 刘伟锋;人脸表情识别研究[D];中国科学技术大学;2007年
8 宋明黎;人脸表情的识别、重建与合成[D];浙江大学;2005年
9 周书仁;人脸表情识别算法分析与研究[D];中南大学;2009年
10 迟静;基于动态点云的三维人脸表情跟踪问题研究[D];山东大学;2012年
中国硕士学位论文全文数据库 前10条
1 周慧;人脸表情特征表达与识别算法研究[D];哈尔滨工业大学;2010年
2 祝丁丁;基于视觉的家庭服务机器人的情感认知研究[D];哈尔滨工业大学;2011年
3 江杰青;基于小波变换的人脸表情识别算法的分析与研究[D];长春工业大学;2011年
4 李树娟;基于LBP特征的人脸表情分析[D];中国石油大学;2010年
5 娄颜超;智能化教学中的情感识别方法研究[D];华中师范大学;2011年
6 柳华;静态图像中人脸表情和性别识别的研究[D];济南大学;2010年
7 张庆;人脸表情识别算法的研究[D];安徽大学;2012年
8 李荣岗;人脸表情特征提取与识别算法研究[D];重庆大学;2010年
9 高众;基于压缩感知的新生儿疼痛表情识别方法[D];南京邮电大学;2011年
10 刘晓庆;微表情识别能力促进的初步研究[D];沈阳师范大学;2012年
中国重要报纸全文数据库 前10条
1 中科院自动化所 何鹏 陶建华 谭铁牛;看懂人的“脸色”[N];计算机世界;2005年
2 本报记者 余建斌;用最自然方式对话机器[N];人民日报;2011年
3 中国科学院自动化研究所模式识别国家重点实验室 周密陶建华;与电脑面谈[N];计算机世界;2007年
4 本报记者 张巍巍;知面可知心[N];科技日报;2008年
5 中科院计算机所 朱登明;一切都是为了更“传神”[N];计算机世界;2004年
6 黄力行陶建华;多模态情感识别参透人心[N];计算机世界;2007年
7 林杰;惠普联手清华建多媒体实验室[N];中国新闻出版报;2007年
8 张梦然;美开发面部表情自动识别新技术[N];科技日报;2008年
9 编译 风掣;高科技监狱很像真人秀[N];北京科技报;2006年
10 李响;惠普清华成立多媒体技术研究联合实验室[N];计算机世界;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978