基于张量表示人脸表情识别算法的研究

《基于张量表示人脸表情识别算法的研究》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、；参京万方数据)

2、p夕l火．博士学位论文基于张量表示的人脸表情识别算法研究ResearchonFacialExpressionRecognitionAlgorithmsBasedOnTensorRepresentation作者：刘帅导师：阮秋琦教授北京交通大学2012年11月万方数据学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意

3、学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)＼学位论文作者签名：哥签字日期：加砼}lf月导师签名：陆硖痔签字日期：矽7}年¨月，厂日炒-_妇．恻负万方数据中图分类号：TP391UDC：学校代码：10004密级：公开北京交通大学博士学位论文基于张量表示的人脸表情识别算法研究ResearchonFacialExpressionRecognitionAlgorithmsBasedonTensorRepresentation作者姓名：刘帅导师姓名：阮秋琦学位类别：工学学科专业：

4、信号与信息处理学号：06112050职称：教授学位级别：博士研究方向：模式识别北京交通大学2012年11月万方数据北京交通大学博士学位论文致谢本论文的工作是在我的导师阮秋琦教授的悉心指导下完成的，阮秋琦教授严谨的治学态度和科学的工作方法对我产生了极大的影响。在选题和课题的研究以及论文的发表上，他都给予我很多的指导。另外，在生活上阮秋琦老师对我也给予了很大的帮助，常找一些小项目给我，让我在清苦的读博岁月里能够有些许的收入。在此我向阮秋琦老师表示衷心的感谢和诚挚的敬意。在实验室工作及撰写论文期间，金一老师、倪蓉蓉老师

5、、安高云老师，以及支瑞聪、郭松、王占、万军等同学对我论文中的研究工作给予了热情的帮助，在此向他们表达我的感激之情。特别感谢袁保宗教授，罗四维教授，须德教授和胡绍海教授对我论文提出的指导意见。在我整整长达六年的读博生涯中，尤其要感谢我远在农村老家的父母，此过程中他们付出了难以想象的忍耐和艰辛。长期以来，本已十分拮据的父母，在劳动能力十分有限的情况下仍然不问断地接济我。在我每一次最最困窘，几近绝望的时候，我的母亲都能给我极大的理解、鼓励和支撑，电话里的她总是询问我累不累是否有钱用，每每以我这个在北京读大书的儿子感到骄

6、傲，让我愧疚不已。父母恩情，即使万千言语也无法道尽，只能在今后的日子中奋力回报。然常言道“子欲孝而亲不待”，父母的身体每况愈下，我却没能在需要我的时候给予照顾，这对我是莫大的悲哀。愿他们今后能够不再为我而操心，多些健康，多些闲余。我要感谢孙晓希女士，感谢她对我多年的帮助和陪伴，与我风雨兼程，尤其是最后阶段在经济和日常生活上给予我的慷慨援助，让我能够得以专心完成此论文。此外我还要感谢我的好友曾锴、徐扬、王传涛，以及王玉华先生和王玉娟女士，他们都在不同时期给予了我极大的帮助和关怀。最后感谢所有评审老师以及所有其他在我

7、成长和求学过程中给予过我无私帮助的人，谢谢。万方数据摘要表情是人类用来表达情绪的一种基本方式，是非语言交流的重要组成部分，近些年随着自然人机交互和智能机器人的发展，计算机自动人脸表情识别技术受到越来越多的关注。本文主要基于图像数据的张量表示和分解技术，并结合图保持的流形学习方法，研究表观人脸表情图像的特征提取，并最终用于表情识别。论文的主要创新点包括：1．抽象出张量子空间模型，在此基础上对传统张量算法中的张量投影进行正交化的改进，提出正交张量流形学习算法，取得了更好的识别效果，并从理论上给出了解释。1)通过对大量

8、基于“张量一张量”映射的降维算法的分析，提出统一的张量子空间模型，其中详细定义了张量子空间的基(基张量)、投影和重构等概念。该模型是向量子空间模型的自然扩展，使我们能够以一个新的视角看待张量降维问题。根据该模型，向量降维算法中的一些概念或性质可以很自然地被引入到张量算法中(如正交性，非负性，稀疏性等)，从而提高相应张量算法附性能。2)在张量子空间模型基础上，研究了张量投影的正交化，并对已有的张量流形学习算法进行正交化的改进，分别提出正交张量邻域保持嵌入算法(On咿E)和正交张量边界费舍尔分析算法(O㈣)。理论分析

9、和实验结果表明，投影正交化能够使传统的张量流形学习算法更好地保持人脸表情的流形结构，从而改善了人脸表情的表征和识别效果。2．将张量秩一分解技术与图保持的流形学习准则结合，提出张量秩一差分图保持分析算法(TRlDGPA)。TRlDGPA中首先构造一个体现两两类间鉴别性的判罚图，同时根据局部线性嵌入算法(LLE)构造内类的近邻图，并以差的形式将二者结合形成差分图保持目标，然后