基于PCA与LDA的表情识别算法研究

《基于PCA与LDA的表情识别算法研究》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、代号10701学号0912121165分类号TP391.41密级公开基于PCA与LDA的表情识别算法研究题（中、英文）目ResearchonFacialExpressionRecognitionUsingPCAandLDA作者姓名赵春伟指导教师姓名、职称楼顺天教授学科门类工学学科、专业模式识别与智能系统提交论文日期二零一四年三月万方数据万方数据西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外

2、，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期:西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手

3、段保存论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。（保密的论文在解密后遵守此规定）本学位论文属于保密，在年解密后适用本授权书。本人签名：日期:导师签名：日期:万方数据万方数据摘要摘要人脸表情识别技术是涉及情感计算、图像处理、机器视觉、运动跟踪、模式识别、生物特征识别、生理学、心理学等研究领域的一个极富挑战性的交叉课题，它是情感计算、人机智能交互的重要组成部分。论文主要研究静态图像的表情识别方法。论文分析了常用的表情识别技术，着重研究了两种表情识别方法：（1）基于PCA的表情识别方法：类内PCA算法，通过

4、对表情图像进行分类，以增大类间的差异，避免了普通PCA方法以整体图像作为识别对象时的缺陷，论文方法可以更好地提取能够表征人脸表情的局部特征；（2）基于LDA的表情识别方法，将PCA算法和LDA算法结合，既降低了算法的复杂度，又避免了特征提取的小样本问题，达到了较好的人脸表情识别结果。最后，通过仿真实验，说明这两种人脸表情识别方法的有效性。关键词：表情识别特征提取PCA算法LDA算法万方数据万方数据AbstractAbstractFacialexpressionrecognitionisoneofthemostchallengingproblemsi

5、nthefieldsofaffectivecomputing,imageprocessing,machinevision,movementtracking,patternrecognition,biometricidentification,physiologyandpsychology.Facialexpressionrecognitionisanimportantpartofaffectivecomputingandintelligenthuman-machineinteractive.Thispaperisfocusedonthefacial

6、expressionrecognitionmethodofstaticimages.Basedontheanalysisofthefacerecognitiontechnology,thispaperisfocusedonthetwokindsoffacialexpressionrecognitionmethod.(1)within-classPCA,whichisbasedonPCAmethod.Inordertoincreasethedivergenceofwithin-classsamples,weshouldclassifythefacia

7、limages.ThismethodcanavoidthedefectbyusingoverallimagesastheobjectsinthegeneralPCAmethod.Themethodinthispapercanpreferablyextractthelocalcharacteristicthatcandescribefacialexpressionrepresentation.(2)PCAandLDAmethod,whichisbasedonLDAmethod.Thismethodcanreducethecomplexityofthe

8、algorithmandavoidthesmallsamplesizeprobleminthefeatureextract