基于变阈值局部二值模式的人脸表情识别方法的研究设计

基于变阈值局部二值模式的人脸表情识别方法的研究设计

ID:28830760

大小:959.43 KB

页数:45页

时间:2018-12-14

基于变阈值局部二值模式的人脸表情识别方法的研究设计_第1页
基于变阈值局部二值模式的人脸表情识别方法的研究设计_第2页
基于变阈值局部二值模式的人脸表情识别方法的研究设计_第3页
基于变阈值局部二值模式的人脸表情识别方法的研究设计_第4页
基于变阈值局部二值模式的人脸表情识别方法的研究设计_第5页
资源描述:

《基于变阈值局部二值模式的人脸表情识别方法的研究设计》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、目录摘要IABSTRACTII第一章绪论1第一节课题研究背景及意义1第二节本论文的主要工作7第二章人脸图像分析技术常用方法8第一节人脸检测常用方法8一、基于特征的方法9二、基于支持向量机的方法9第二节人脸识别常用方法10一、基于特征脸的识别方法10二、弹性图匹配方法10三、基于非线性数据降维的方法11第三节本章小结12第三章局部二值模式(LBP)13第一节关于LBP的介绍13第二节LBP方法的优点与不足20第三节本章小结20第四章变阈值局部二值模式21第一节变阈值局部二值式的定义与性质21第二节基于变阈值局部二值模式的纹理特征提取24第三节本章小结25第五章基于变阈值局部二值式人脸表情识别的实

2、现及实验结果26第一节基于变阈值局部二值式的人脸表情识别的实现2641第二节实验讨论变阈值ε的调整27第三节实验设计与结果分析28第四节总结与展望31一、总结已有工作31二、对未来的展望31致谢32参考文献3341摘要作为智能化人机交互技术中的一个重要组成部分,人脸表情识别越来越受到重视,它是涉及模式识别、机器视觉、图像处理、心理学等研究领域的一个极富挑战性的交叉课题之一,是近年来模式识别与人工智能领域的一个研究热点。一般而言,人脸表情识别主要有四个基本部分组成:表情图像获取、表情图像预处理、表情特征提取和表情分类。本文重点集中在对表情特征提取问题的研究上,研究工作如下:本文提出了一种LBP的

3、扩展形式,即变阈值局部二值模式。变阈值局部二值模式通过引入变阈值ε扩展了变换后的特征空间,并且可以通过调整变阈值ε的值在特征空间基于改进LBP的人脸表情识别方法中寻找适合于特定分类问题的子空间。经过改进,变阈值局部二值模式对于噪声和光照变化相对于LBP更加鲁棒,而且特征抽取的过程也能够相对灵活。最后本文以变阈值局部二值模式直方图作为特征向量,采用2概率统计来计算各特征向量的距离,选用最近邻分类器进行特征分类,求出识别率。我们使用matlab语言将上述算法应用于人脸表情识别,取得了较好的识别效果。关键字:人脸表情识别,特征提取,LBP,变阈值局部二值模式41ABSTRACTAsanimporta

4、ntpartofthetechnologyforman-machineinteraction,moreandmoreattentiontofacialexpressionrecognition.Itisoneofthemostchallengingproblemsinthefieldsofpatternrecognition,machinevision,imageprocessingandpsychology,andithasbecomeahotresearchtopicinthefieldofpatternrecognitionandartificialintelligenceinrecen

5、tyears.Generallyspeaking,facialexpressionrecognitionincludedfourparts:expressionimageacquisition,expressionimagepreprocessing,facialfeatureextractionandexpressionclassification.Inthisthesiswefocusedontheproblemoffacialfeatureextraction.Myprimaryworkwassummarizedasfollow:ThisimprovedLBPiswecalledloca

6、lthreshold.Localthresholdextendsthefeaturespacethroughtheintroductionofparameterchangeablethreshold,andcanfindasuitableforaparticularclassificationbyadjustingthevalueofchangeablethresholdinthefeaturespace.LocalthresholdismorerobusttoLBPfornoiseandilluminationchanges,andfeatureextractionprocesscanals

7、oberelativelyflexible.Finallyweuselocalthresholdhistogramasfeaturevectors,using2probabilitystatisticstocalculatethedistancebetweeneachfeaturevectors,choosingthenearestneighborclassifierforfeatureclass

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。