基于Gabor小波变换和SVM的人脸表情识别

这是一篇不错的硕士学位论文,对图像处理,人脸识别,表情识别,小波变换感兴趣的人士有用处!

南京理工大学

硕士学位论文

基于Gabor小波变换和SVM的人脸表情识别

姓名:王黎艳

申请学位级别:硕士

专业:控制理论与控制工程

指导教师:郭毓

20090608

这是一篇不错的硕士学位论文,对图像处理,人脸识别,表情识别,小波变换感兴趣的人士有用处!

硕士论文基于Gabor小波变换和SVM的人脸表情识别

摘要

人脸表情识别在电子教育、和谐人机交互、机器人、医疗行业等领域都具有广泛的应用前景;对于模式识别、计算机视觉、计算机图形学、人工智能、生理学、心理学等多种学科的发展也具有重要的作用。

本文在总结人脸表情识别关键技术的基础上,利用Gabor小波变换在图像特征提取方面的优势和支持向量机在小样本问题中表现出的良好的分类能力,提出了一种人脸表情识别的方法,该方法应用Gabor小波变换和PCA+FLD提取表情特征,并利用SVM进行表情分类。

首先,利用积分投影确定人眼的中心位置,并根据人眼中心坐标进行图像的几何预处理。采用直方图均衡化方法对表情图像进行光照补偿,以减少图像间的灰度差异。在此基础上,构造了5个尺度、8个方向的Gabor小波族,用这40个Gabor小波对图像进行卷积,并取卷积后的幅值作为图像的特征信息。对得到的G然后结合主分量分析(练特征空间,这样得到的特征既提高了表情的识别速度,又使表情图像更易于分类。最PCIA)和Fisher线性判别分析(FU’)进一步降低特征维数及训abor系数先进行下采样,后,将所有的表情图像投影到特征空间,并用支持向量机对七种表情(生气、厌恶、恐惧、高兴、伤心、惊讶和中性表情)进行分类。

文中进行了与人有关的表情识别和与人无关的表情识别两组实验,实验结果表明该方法是一种有效的人脸表情识别方法。

关键词:表情识别,支持向量机,Gabor小波,主成分分析,Fisher线性判别分析

这是一篇不错的硕士学位论文,对图像处理,人脸识别,表情识别,小波变换感兴趣的人士有用处!

硕士论文

Abstract

nmareassFacialeewaIlbuch觞e-education,xpressionridelyaecognitioncppliediany

robotics,intelligentreatmentolllaysanteraction,medicalttc,andphuman-computeri

ntroleihegraphics,vision,computerfpatternrecognition,computerdevelopmentoimportant

on.ndSOartificialintelligence,physiology,psychologya

inceShasaVMeatureeutilized.AndsxtractionistransformOVerwaveletGaborgoodimagef

spethodintheSmallSs,resented,thatiperformanceiize(sss)problem,themampleS

aborwomponentavelet,PrincipleCcombiningGfBasedonhekfeecognition,theaxpressionrdvantageosynthesizingttechniqueoey

heastSVMDiseriminantAxtracttheehenueatures,andtsingxpressionfnalysis(FLD)toeisherLinearAnalysis(PCA)andF

classifier.

hectotsdeterminedbflocationooordinate,Therojection.Accordingintegralpeyesiy

sreprocessingigeometrypsaccomplished.Histogram‘xlualizationiheusedtoreducet

calesarientationsaleith5snd8oillumination.Onthisbdifferenceoaveletswfasis,Gaborw

hefstsususedasedonindtheaconvolutionifeature.Subsampleimplitudeoappliedmagesa

thedndteatureimensionarainingfreducingofaretnordertatherheniandFLDhefeaturedtofirstreducetimension,PCAmplementedi

hetosorttorclaSsificationissisalabeled;meanwhile,timefhortened.Finally,SVMpplied

neutralandSevenexpressions:angry,disgust,fear,happy,sad,surpriseexpression.obremeaturesaoreleikelytspace.Thus,thef

ornefesultsihattereisandicatetffectiveoneherhemethodpdatabase,andtresentedh

expressionrecognition.umandrepntheJAFFEndufherformedoependentandependentaExperimentso

wavelet,PCA,FLDecognition,SVM,Gaborwords:expressionrKey

Ⅱ

这是一篇不错的硕士学位论文,对图像处理,人脸识别,表情识别,小波变换感兴趣的人士有用处!

声明

本学位论文是我在导师的指导下取得的研究成果,尽我所知,在本学位论文中,除了加以标注和致谢的部分外,不包含其他人已经发表或公布过的研究成果,也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。

学位论文使用授权声明

南京理工大学有权保存本学位论文的电子和纸质文档,可以借阅或上网公布本学位论文的部分或全部内容,可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文,按保密的有关规定和程序处理。

这是一篇不错的硕士学位论文,对图像处理,人脸识别,表情识别,小波变换感兴趣的人士有用处!

硕士论文基于Gabor小波变换和SVM的人脸表情识别1绪论

1.1课题背景和意义

人脸表情包含了丰富的心理信息和情感信息,是人们交流情感和表达意图最有效、快捷的手段之一。心理学家J.A.RussellEl】指出,在人们的日常交流中,通过语言来传递的信息占7%,通过声音来传递的信息占38%,而通过面部表情来传递的信息则达到55%。由此可见表情信息在人们交流中的重要性。它能够表达许多语言和声音所不能传递的微妙信息,在语言学、医疗和服务行业等方面具有重要的应用。

人脸表情识别是人工心理和人工情感理论研究的重要组成部分,涉及到图像处理与分析、模式识别、计算机视觉、计算机图形学、人工智能、认知科学、生理学、心理学等多种科学,对它进行深入研究能促进这些科学的发展与进步。在多模式人机交互界面中,表情与视线、体态、声音等结合起来可以获得更高效的人机交流[21。因此,人脸表情识别在和谐人机交互中扮演着重要的角色。对表情识别进行深入研究可以使机器人更好地理解人类的情感和心理,在与人的交互环境中,变得更友好、更智能、更人性化,从而更好地为人类服务。此外,人脸表情识别在许多其它领域都存在着潜在的应用价值,包括合成脸部动画、视频检索、虚拟现实技术等。

通过观察人脸表情,可以了解此人的一些心理状态。语言有时候并不真实,但表情却常常表露了人真实的内心感受。因此我们有理由期待,人脸表情识别可以在公安部门作为侦查和测谎的辅助手段。

在医疗行业中,对于一些重症病人和精神病人,在治疗过程中可以使用具有表情分析能力的护理机器人。当病人病情发作或者情绪起伏较大时,机器人可以及时预测到病人的异常并采取相关的预防措施,从而可以在一定程度上避免意外的发生。

在儿童的教育过程中,可以通过观察儿童在特定情况和场景中的表情和行为变化,发掘其潜在气质和内在性格,从而更好地引导和教育儿童,帮助他们健康成长【3】。此外,在一般化的教学过程中,也可以利用表情信息并结合情绪心理学、教育学、认知学和人工心理理论进行情感建模,得到学生的学习情绪与心理状态,给老师提供改善教学效果的建议,并实现师生间的情感交流【4】。

在日常生活中,当人们从严寒或酷暑的外界环境回到室内时,利用表情识别技术迅速将其面部表情与适宜温度中的表情模式相对照,可以使空调器自动将室温调整到最佳状态,从而大大提高空调器的 …… 此处隐藏：15337字，全部文档内容请下载后查看。喜欢就下载吧 ……