欢迎来到天天文库
浏览记录
ID:35102370
大小:3.70 MB
页数:76页
时间:2019-03-17
《面部表情识别的研究与集成实现》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、分类号TP391密级公开UDC681.5学位论文编号D-10617-30852-(2016)-04035重庆邮电大学硕士学位论文中文题目面部表情识别的研究与集成实现英文题目ResearchandIntegratedRealizationofFacialExpressionRecognition学号S130431035姓名张天学位类别工程硕士学科专业集成电路工程指导教师罗元教授完成日期2016年5月18日重庆邮电大学硕士学位论文摘要摘要面部表情识别作为生物特征识别的一个重要研究分支,不仅能够反映情绪及
2、心理变化,还具有自然和谐的交互方式。本文对面部表情识别的研究在人机交互和情感理解等方面具有重要的理论意义及广泛的应用前景。本文完成了面部表情识别系统的总体方案设计,并将重点放在表情特征提取与分类方法的研究改进上。首先采用AdaBoost方法准确地检测出人脸,接着对获取的面部区域进行图像预处理,弱化光照、尺寸等外部因素对表情特征的影响。在表情特征提取阶段,针对单一特征提取方法存在忽略表情全局或局部特征的问题,本文提出一种融合PCA(PrincipalComponentAnalysis,主成分分析)与L
3、DP(LocalDirectionalPattern,局部方向模式)的特征提取方法。首先利用LDP提取对表情识别贡献较大的眼部及嘴部区域的纹理特征。然后与PCA提取的表情全局特征进行融合,获得更有效的表情特征。最后通过实验验证了本文提出的基于融合PCA与LDP的特征提取方法能够获得比单一特征提取方法更高的识别率。在表情分类阶段,针对DAGSVM(DirectedAcyclicGraphSupportVectorMachine,有向无环图支持向量机)以欧式距离计算类别间分离度容易导致分类过程中产生误差
4、累积的问题,本文提出一种基于相对距离改进的DAGSVM分类方法来解决该问题。实验结果证明了改进的DAGSVM方法能够有效地减少误差累积的问题,提高表情分类的准确性。最后,本文集成实现了基于面部表情识别的智能轮椅运动控制系统。在智能轮椅平台上,选择ARM处理器、电机控制板和电机驱动板等硬件构建了硬件系统,利用OpenCV(OpenSourceComputerVisionLibrary,开源计算机视觉库)和MFC(MicrosoftFoundationClasses,微软基础类库)完成了软件编程。本文将
5、提出的表情识别方法所获得的表情结果转换为控制指令,完成对轮椅运动状态的控制。实验结果表明,以本文提出改进的表情识别方法为核心,通过软硬件设计的面部表情识别在轮椅上集成实现的系统能够实时有效地识别出表情类别并控制轮椅的运动,同时具有较好的稳定性。关键词:面部表情识别,PCA,LDP,DAGSVM,智能轮椅I重庆邮电大学硕士学位论文AbstractAbstractFacialexpressionrecognitionisanimportantresearchbranchofbiometricrecogn
6、ition,whichcannotonlyreflecttheemotionalandpsychologicalchange,butalsohasanaturalandharmoniousinteraction.Researchoffacialexpressionrecognitioninthisthesishasanimportanttheoreticsignificanceandwidelyapplicationvalueintheaspectsofhuman-computerinteracti
7、onandemotionalunderstanding.Thisthesiscompletestheoveralldesignoffacialexpressionrecognitionsystem,andmethodsofexpressionfeatureextractionandexpressionclassificationaretheresearchemphasis.Firstofall,algorithmofAdaBoostisusedtodetectfaceaccurately.Andth
8、en,technologyofimagepretreatmentisusedtoprocessfacialimage,whichcanreducetheinfluenceofilluminationvariationanddifferentsizeforexpressionfeatureextraction.Instageofexpressionfeatureextraction,itisconsideredthatsinglemethodofexpressionfe
此文档下载收益归作者所有