基于特征映射的多角度人臉表情識別.pdf

1、人的面部表情蘊含著豐富的情感信息，也是人們除了語言、文字、聲音之外比較重要的溝通方式?，F(xiàn)在大多數(shù)針對人臉表情識別的研究都是針對正面人臉進行，然而正面人臉表情是對表情理想化的表達。現(xiàn)實生活中，采集設備可能會從各個角度捕捉表情數(shù)據(jù)。因此，針對多角度人臉表情圖像進行識別，提出魯棒性更強的人臉表情識別算法，在人機交互領域有著重大的意義。
　　由于公開的多角度人臉表情庫較少，以及算法方面的限制，針對多角度表情識別的研究十分有限?，F(xiàn)有的多角度

2、人臉表情識別方法包括針對每個角度訓練不同的分類器，或者用一個單獨的分類器學習所有的角度。然而，這些方法忽略了不同角度的人臉表情僅僅是相同表情的不同表現(xiàn)。因此，本文在研究正面人臉表情識別的基礎上，提出了用神經(jīng)網(wǎng)絡進行特征映射的方法，將多角度表情特征映射為正面表情特征再進行分類，提高了多角度表情識別中角度方面的魯棒性。主要工作有以下幾個方面:
　　首先，介紹了人臉表情識別的研究背景和意義，從人臉檢測、特征提取和分類識別三個方面，總結(jié)了

3、人臉表情識別的研究現(xiàn)狀，并研究了目前現(xiàn)有的正面表情識別與多角度表情識別算法，在比較分析了各種算法的優(yōu)缺點后，確定了用特征映射解決多角度表情識別問題的思路。并進行了人臉檢測、圖像預處理等工作，選擇了對方向和尺度不敏感的金字塔式梯度方向直方圖特征作為本文的特征。
　　第二，設計實現(xiàn)了多角度人臉表情識別中的特征映射方法。RBF網(wǎng)絡不僅結(jié)構(gòu)簡單，還有著較強的非線性映射能力和自學習能力，特別是局部逼近能力和學習速度表現(xiàn)優(yōu)異。因此本文選擇了徑

4、向基神經(jīng)網(wǎng)絡進行多角度表情特征到正面表情特征的映射工作。
　　第三，設計了多角度人臉表情識別的算法框架，在提取的PHOG特征的基礎上，研究了k近鄰分類器與稀疏表示分類器，并分析了融合的k近鄰稀疏表示分類器。實驗對改進前后的稀疏表示分類器的平均識別率與運行時間都進行了比較，結(jié)果表明，k近鄰稀疏表示分類器在大大減少運行時間的同時，對人臉表情也具有一定的分類能力。
　　第四，本文建立了山東大學多角度人臉表情數(shù)據(jù)庫，該數(shù)據(jù)庫包含了1