论文部分内容阅读
人脸表情识别是一个非常具有挑战性和非常有意义的课题,它不仅涉及到计算机视觉、心理学、生理学等相关学科,还涉及到模式识别和图像处理技术等。随着科技的进步,人们对计算机的需求也越来越多,希望能够与计算机更加便捷、友好和智能的进行人工交互,而且人脸表情识别技术在安全等多个领域具有广泛的发展前景。针对目前各种方法的优点和不足,本文首先介绍了人脸表情识别的基本流程,重点研究了人脸检测、特征提取和表情分类等关键问题,主要工作如下:(1)人脸检测及图像预处理方面,本文主要讲解了基于Haar-Like特征和Adboost学习方法的人脸表情识别,之后对图像进行了尺寸归一化、去噪声、直方图均衡化等预处理(2)特征提取方面,本文详细介绍以主成分分析进行提取特征的原理,针对其不足之处,又介绍了二维主成分分析,之后又改进成双向二维主成分分析提取方法,结合Fisher线性判别可以使得类间距离最大化的特点,最终采用双向二维主成分分析和Fisher线性判别相结合的特征提取方法(3)表情分类和识别方面,本文主要介绍了SVM分类器原理及其优点,实验采用径向基核函数和一对一的SVM分类器对表情进行识别,并对各种特征提取方法进行实验,将结果进行对比,结果显示本文结合BDPCA和FLD进行特征提取,之后结合SVM分类器,表情识别取得了不错的效果。