基于LBP牲與深度學(xué)習(xí)模型的人臉表情識(shí)別研究.pdf

1、當(dāng)前，復(fù)雜環(huán)境下精準(zhǔn)、高速、多姿態(tài)的人臉表情識(shí)別系統(tǒng)研究越來(lái)越受到學(xué)者的重視，并已經(jīng)成為一個(gè)熱點(diǎn)研究領(lǐng)域。人臉表情識(shí)別在遠(yuǎn)程醫(yī)療、交通監(jiān)控、無(wú)人服務(wù)以及其他人機(jī)交互領(lǐng)域有著廣泛應(yīng)用前景，提高復(fù)雜環(huán)境下的人臉表情識(shí)別率有重要的理論和現(xiàn)實(shí)意義。經(jīng)過(guò)幾十年的發(fā)展，學(xué)者們研究的主要問(wèn)題集中在特征的提取和分類學(xué)習(xí)算法兩個(gè)方面，二者對(duì)提高人臉表情識(shí)別的準(zhǔn)確率有決定性作用。
　　本文對(duì)人臉表情識(shí)別系統(tǒng)進(jìn)行了特征提取和分類兩個(gè)方面的算法研究。根據(jù)

2、當(dāng)前人臉表情識(shí)別系統(tǒng)的特征提取手法，著重分析了LBP紋理特征，并在此基礎(chǔ)之上提出改進(jìn)和多特征融合的方法，以達(dá)到表情特征魯棒性強(qiáng)、計(jì)算簡(jiǎn)單、提取速度快，同時(shí)表情信息盡可能保留完整的目的；根據(jù)當(dāng)前分類學(xué)習(xí)的主要算法，突破性的提出將深度學(xué)習(xí)算法應(yīng)用于表情識(shí)別領(lǐng)域，并做了嘗試性實(shí)驗(yàn)，取得了滿意的識(shí)別效果。設(shè)計(jì)了JAFFE和CK+兩種不同數(shù)據(jù)庫(kù)下LBP特征提取和融合方法；設(shè)計(jì)了改進(jìn)LBP算法處理后的特征分別采用SVM和k-NN傳統(tǒng)學(xué)習(xí)分類算法、深