分享到:

人脸表情识别研究

人脸表情识别是模式识别领域中一个非常活跃的研究方向。人脸表情识别包括:从背景图像中检测人脸;在视频中对人脸进行跟踪;提取表情特征;表情识别。本文在人脸表情识别的四个主要环节上均进行了研究工作,主要工作体现在以下几个方面:(1) 采用了一种基于改进DT融合算法的人脸检测方法。复杂背景中人脸检测是非常耗时的,为了满足检测的实时性,在精确定位人脸之前,用肤色滤波方法确定候选人脸搜索区域。考虑到脸部轮廓信息和脸部区域信息的互补性,为了提高人脸检测的精度,采用了改进DT融合算法将边缘特征和面部区域特征融合,并用于人脸检测。(2) 提出了一种新颖的基于遗传粒子滤波器算法的人脸跟踪方法。为了克服传统跟踪算法的局限性,采用粒子滤波器进行人脸跟踪。为了提高粒子滤波器的鲁棒性、精度,将遗传算法和粒子滤波器相结合提出了基于遗传粒子滤波器的跟踪算法,并用于人脸跟踪。(3) 提出了一种基于KL变换的Gabor小波特征提取方法。Gabor小波提取的特征维数  (本文共70页) 本文目录 | 阅读全文>>

江苏大学
江苏大学

基于生成对抗网络的数据驱动人脸表情识别研究

人脸表情是人类情感表达最自然,最有效的手段,也是人机交互的重要媒介。随着人工智能技术的发展,人们对人机交互提出了更高的要求,希望计算机可以更“拟人化”,可以正确认知用户的情感并做出积极且准确的反馈。表情识别,作为实现这一目标的关键环节之一,在过去的数十年中已得到研究者们越来越广泛的关注。相关研究成果已被用于远程教育,车载安全系统,公安测谎系统等多个领域。虽然目前人脸表情识别已经在各个领域展现出很高的应用价值,但其研究仍然存在巨大挑战,例如表情训练样本不足、类内差异大、姿态多变、表情变化微弱、背景复杂等。针对上述问题,本文从离散以及连续的人脸图像生成、姿态鲁棒特征提取、多任务协同分析和情感迁移学习等角度出发,研究实验室场景和自然场景的人脸表情识别问题,提出了一系列基于生成对抗网络的数据驱动方法,主要贡献体现在如下5个方面:(1)提出基于离散生成数据的人脸表情识别方法。针对现有人脸表情数据库中带标签样本不足导致的模型识别率低的问题,...  (本文共160页) 本文目录 | 阅读全文>>

重庆大学
重庆大学

基于深度学习的人脸表情识别研究及应用

在人类日常沟通交流中,通过表情传达的信息占据全部信息的一半以上,人脸表情可以反映出人的情绪和状态。人脸情绪识别是计算机视觉领域重要研究方向之一,包括虚拟现实、增强现实、交互机器人以及交通安全领域需要人脸情绪识别技术来改善应用的性能,提升应用体验。随着人脸表情识别研究的不断发展,从研究少量的实验室制作的人脸表情研究,到研究基于海量数据的现实场景下的人脸表情研究,研究人脸表情识别的方法也由传统的图像处理的方法转变为深度学习方法,其中CNN(卷积神经网络)极大地推动了人脸表情识别的发展。尽管近些年提出了很多人脸表情识别的方法,但是已有研究主要基于少量的实验室制作的人脸表情数据集,这并不能满足对现实场景下人脸表情识别的需求。在解决复杂的现实场景下的人脸表情识别问题时,与传统的基于浅层特征或手工特征的人脸表情识别技术相比,深度学习可以学习到更高层次的特征信息,具有更强的准确性和鲁棒性。因此,基于深度学习对海量现实场景下人脸表情数据进行研究...  (本文共78页) 本文目录 | 阅读全文>>

北京交通大学
北京交通大学

三维人脸表情识别中特征提取算法研究

表情是人类情感理解和分析的主要载体之一。人脸表情识别的目的是让计算机学习人类的情感表达,使其能像人类一样具有识别、理解和表达情感的能力。随着人们对计算机智能性要求的日益增强,该课题已受到国内外研究机构的广泛关注。传统基于二维图像的人脸表情识别已取得较好的识别结果,但仍存在一些问题没有解决,如光照及姿态变化等,而这是由二维图像的固有属性决定的,因此,基于二维图像的人脸表情识别很难突破该类问题。三维人脸表情是对表情的三维形状的表达,其获取不受光照等外部环境变化的影响。因此,三维人脸表情能够有效避免这些外部因素的影响,从而获得较好的识别结果。本文在对三维人脸表情深入分析的基础上,针对特征提取算法进行研究。主要的研究内容和创新点包括以下四个方面:1.引入夹角特征,并提出其与距离特征融合的人脸表情特征描述形式基于FACS (Facial Action Coding System)对不同人脸表情定义的对比,本文首先提出夹角特征用于表征表情变...  (本文共120页) 本文目录 | 阅读全文>>

安徽大学
安徽大学

基于面部特征点分析的人脸表情识别研究

表情是人内心情感最直接的体现,使机器能够识别表情、具备情绪感知功能已经成为人机交互领域一个重要的研究内容。近年来,基于视频的人脸表情识别由于具有非接触式、使用简单、成本低等优点,已经得到越来越多研究者的关注。现阶段,按照信息获取方式来划分,人脸表情识别的研究对象可分为静态图像与动态图像序列两大类。由于情绪的产生与消失是一个渐变的过程,因此,相比较静态图像,基于动态图像序列的特征参数能更好的反映每类表情之间的运动相关性。本文首先分析了不同情绪下基于动态图像序列的特征点位置所呈现的变化规律,并根据这一规律设计了一种基于主动形状模型(Active Shape Model,ASM)的人脸表情识别算法;在此基础上,考虑到被试者不自觉的面部偏转及光照环境不均衡等因素,本文在传统尺度不变特征变换(Scale Invariant Feature Transform,SIFT)方法的基础上结合ASM算法的优点,进一步研究了一种改进的尺度不变特征变...  (本文共88页) 本文目录 | 阅读全文>>

苏州大学
苏州大学

基于Gabor的人脸表情识别研究

人脸表情识别是情感计算和智能化人机交互的重要组成部分,是涉及图像处理、模式识别、机器学习_、生理学、心理学等多个研究领域的交叉性课题。由于其具有潜在的市场价值和广泛的应用前景,近年来备受学术界的关注。人脸表情识别一般分为图像预处理、表情特征提取和表情分类3个阶段。本文针对这3个阶段存在的关键问题进行研究,并对一些算法进行改进,主要研究工作如下:(1)将Zernike矩人眼检测方法应用到人脸表情识别的图像预处理中。该方法以往只被用于人脸识别,本文将其引入人脸表情识别领域,通过实验证明了该方法能够很好地处理表情图像的偏转情况,并提高了人眼定位精度。(2)提出了一种PCA变换扩散投影(PCATSP)的人眼轮廓提取方法。实验中通过与可变形模板方法相比较,结果表明PCATSP方法在平均形状参数误差及整体优化时间上更能精确地提取人眼轮廓。(3)提出了一种用于特征选择的分块Boost方法,同时,设计了一种结合优化方差率(AVR)的分块Boos...  (本文共81页) 本文目录 | 阅读全文>>