基于gabor小波变换与分形维的人脸情感识别

《基于gabor小波变换与分形维的人脸情感识别》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、长沙理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：彤刁El期：秒男年厂月，彦日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权长沙

2、理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于l、保密口，在年解密后适用本授权书。2、不保密团。(请在以上相应方框内打“4”)作者签名：愧砰日期：蒯年岁月／猡日导师签名：一{冷’日期：捌年√月吵日长沙理工大学硕士学位论文1．1引言第一章绪论部分心理学研究结果表明，从人们获取信息的渠道来看，大约11％的信息是通过听觉获得，而83％是通过视觉获得。由此，心理学家提出一个公式：情感表达--7％的言词+39％的声音+54％的表情

3、动作。可见，人的交流不仅是多模态的，而且非语言模式占有重要地位。人脸表情是人与人之间交流的一种重要的信息传递方式，它不仅增强了人们表达的效果，而且有助于人们更为准确地理解人们所要表达的含义⋯。1．2研究背景及意义人类自然形成的与自然界沟通的认知习惯和形式是人机交互的发展方向，研究者们也正在努力让未来的计算机能听、能看、能说、能感觉。情感计算就是国际上近些年刚刚兴起的、试图使计算机能够像人类那样具有理解和表达情感能力的一个多学科交叉的新研究领域。具有情感能力的智能人机交互将为计算机的未来应用展现一种全新的方向

4、。人的情感主要通过面部表情、，姿态和语言来表达，而且54％的情感信息是通过人的面部表情表达的。人脸包含的信息在图像理解中占有很大的比重，从信息论的角度讲，人类自身的信息量在信息总量中占有很高的比重。因此，近些年来人脸面部表情分析引起了很多计算机视觉研究者的关注。从19世纪70年代起，在静态面部图像或图像序列中进行面部表情分析，已经产生了很多种不同的研究解决方法。在1971年，Ekman和Friesen研究了6种基本表情(即高兴、悲伤、惊讶、恐惧、愤怒和厌恶)，并系统地建立了上千幅不同的人脸表情图像库船1，文

5、献『31中给出了六种基本表情的具体面部表现如表1．1所示。作为和谐人机交互领域中不可或缺的情感计算理论研究近些年才开始进行，国家自然基金委也将情感计算理论与方法研究列为面上重点项目，该项目主要研究多模态(人脸、语言、姿态的综合)情感计算的基本理论和整体框架。其他大的国家研究计划中尚未出现该方面课题。但从人机交互的发展趋势、国家以前计划中对和谐自然人机交互的重视及自然基金中出现的情感计算重点项目来看，在不久的将来国家很可能在该方面有大的研究计划。面部表情不仅是人们常用的较自然的表现情感的方式，也是人们鉴别情感

6、的主要标志，在情感计算中具有很重要的地位。人机交互要实现自然和谐的交流，计算机对表情信息的获取及分析是必要长沙理工大学硕士学位论文表1．1六种基本表情的具体面部表现表额头、眉毛眼睛脸的下半部情惊①眉毛抬起，变高变弯①眼睛睁大，上眼皮抬高，②眉毛下的皮肤被拉伸下眼皮下落下颌下落，嘴张开，唇和齿奇②眼白可能在瞳孔的上边分开，但嘴部不紧张，也不③皱纹可能横跨额头拉伸和，或下边露出来①眉毛抬起并皱在一起恐嘴张，嘴唇或轻微紧张，向②额头的皱纹只集中在上眼睑抬起，下眼皮拉紧惧后拉，或拉长，同时向后拉中部，而不横跨整个额

7、头①上唇抬起厌在下眼皮下部出现横纹，脸②下唇于上唇紧闭，推动眉毛压低，并压低上眼睑颊上唇向上，嘴角下拉，唇轻恶微凸起推动其向上，但并不紧张③鼻子皱起④脸颊抬起①眉毛皱在一起，压低①下眼皮拉紧，抬起或不①唇有两种基本位置：紧愤抬起闭，唇角拉直或向下；张开，②在眉宇间出现竖直皱怒②上眼皮拉紧，眉毛压低仿佛要喊纹③眼睛瞪大，可能鼓起②鼻孔可能张大①唇角向后拉并抬高①下眼睑下边可能有皱②嘴角可能张大，牙齿可高纹，可能鼓起但并不紧张能露出兴眉毛参考：稍微下弯②鱼尾纹从外眼角向外扩③一道皱纹从鼻子一直张延伸到嘴角外部④

8、脸颊被抬起悲眉毛内角皱在一起，抬高，眼内角的上眼皮抬高①嘴角下拉伤带动眉毛下的皮肤②嘴角可能颤抖的。由于计算机视觉技术具有非侵入性、被动性、廉价性以及自然等优点，自然就成为面部表情识别中的主要技术⋯。对计算机视觉技术、图像分析和模式识别技术的深入研究，可以促进面部表情识别方法研究的发展。为了使计算机更好地获取人类面部的信息，进而对人类做出正确回应，实现真正的人机交互，关键的问题之一就是计算机对人类面部表情的识别。