基于lbp特征与深度学习模型的人脸表情识别研究

《基于lbp特征与深度学习模型的人脸表情识别研究》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、摘要摘要当前，复杂环境下精准、高速、多姿态的人脸表情识别系统研究越来越受到学者的重视，并已经成为一个热点研究领域。人脸表情识别在远程医疗、交通监控、无人服务以及其他人机交互领域有着广泛应用前景，提高复杂环境下的人脸表情识别率有重要的理论和现实意义。经过几十年的发展，学者们研究的主要问题集中在特征的提取和分类学习算法两个方面，二者对提高人脸表情识别的准确率有决定性作用。本文对人脸表情识别系统进行了特征提取和分类两个方面的算法研究。根据当前人脸表情识别系统的特征提取手法，着重分析了LBP纹理特征，并在此基础之上提出改进和多特征

2、融合的方法，以达到表情特征鲁棒性强、计算简单、提取速度快，同时表情信息尽可能保留完整的目的；根据当前分类学习的主要算法，突破性的提出将深度学习算法应用于表情识别领域，并做了尝试性实验，取得了满意的识别效果。本文设计了JAFFE和CK+两种不同数据库下LBP特征提取和融合方法；设计了改进LBP算法处理后的特征分别采用SVM和k-NN传统学习分类算法、深度信念网络分类算法的表情识别实验，并做了对比实验与分析。关键词：人脸表情识别；深度学习；LBP特征；深度信念网络IAbstractABSTRACTSofarinthefield

3、offacialexpressionrecognition,moreandmoreattentionofscholarsarefocusonsearchingforamethodwhichisaccurate,high-speedunderthemulti-poseandcomplexenvironment，andithasbecomeahotresearchfield.Facialexpressionrecognitionhaswideapplicationprospectsintelemedicine,trafficm

4、onitoring,robotservice,andotherHuman-ComputerInteraction(HCI).Improvingtherateoffacialexpressionrecognitionincomplexenvironmentshasimportanttheoreticalaswellaspracticalsignificance.Afterdecadesofdevelopment,problemsarefocusedontwoaspects:thefeatureextractionalgori

5、thmandtheclassificationalgorithm.Theyarebothplayadecisiveroleinimprovingtheaccuracyoffacialexpressionrecognition.Inthispaper,in-depthresearchoffacialexpressionrecognitionsystemisconducted.Accordingtothecurrenttechniqueoffeatureextractioninfacialexpressionrecogniti

6、on,weanalyzedtheLBPfeatureandproposedamethodofmulti-featurefusionbasedonLBPinordertoensurethefeatureofexpressiontoberobustandsimple,asthemeaningtimetoconcludetheexpressionfeatureascompleteaspossible;Accordingtothemainalgorithmofcurrentclassification,wegroundbreaki

7、ngproposedthatdeeplearningalgorithmcanbeappliedtofacialexpressionrecognition.Wemadeanattemptanddoneseveralexperiments,andachievedsatisfactoryresultsintherecognition.Inthispaper,wedesignsamethodofLBPfeatureextractionandfusionunderJAFFEandCK+,usingtwolinearclassifie

8、rSVMandk-NNanddeepbeliefnetworktoconductingfacerecognitionexperiment.Comparativeexperimentandanalysisalsowasdoneafterthis.KeyWords:FacialExpressionRecog