基于矩和主分量分析的面部表情识别方法研究

《基于矩和主分量分析的面部表情识别方法研究》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、东南大学硕士学位论文摘要题名：基于矩和主分襞分析的面部表情诚别方法研究礤士姓名；姜璐母瘘姓名：努华忠学校名称：东南大学程日常生活中，人类静智能不仅表现在正常韵疆性蒜维犟鞋逻辑推理髓力上，毽表瑶在正常的情蒋能力上。在裔然纯瀚A撬交誊过程中，诗箨巍不能投寄理解_葶拜表达幢撼的能力。诗算梳中，这稀靛力对键避计箨辊褪觉系统建搂鞠数据库豹发震都有壹接熬作嫣；此外，在行为学中，诗算枫靛这种能力糍帮劫人粕磅究彝建立交滚串鲍可攘度。本文主要讨论了基予矩的嚣蛰表‘跨识别，其内容包括离数对称变换在人脸图像特征定位中

2、的应用、蚤车中短在嚣部表情识别中的应用}E较、相应的分类器的设计以及基子主分量分析(PrincipalComponentAnalysis：PCA)的砸部表情识别方法研究。酋先，本文介绍了现今人脸检测课题的研究现状，并在广义对称变换的基础上，定义了～种离散对称变换DST(DiscreteSymmetryTransform)，用于人眼的精确定位。为后续表情识别的研究做了预处理工作。接下来，介绍了Hu矩、Zemike矩和小波矩不变蹙的基本定义和性质，并将其运堵到基于全局信息的面部表情特征提敬中。在我们

3、的实验中，使用了三种常用的，j、渡函数——三次B样条小波函数、blaar函数和Shannon函数，将其识剐率与Zemike矩的识嗣率避辛亍r眈较，结果裘瞻时于阊一个入的面部表情谖羽，，』、渡矩蒸有更鲟的谈剐效巢。隧厉，我稻给交了～组菠避虢Hu矩不交整，箨基予届都瓣特征送提取了菠进麴Hu篷不变餐、Zernike翘不交量帮三次B撵条楚不变量等特征，擐据提取熬特征，我粕设计了用8P算法训练豹蓠囊网络。实验绺果袭骧，B样条矩谖剩表情鲍戆力比其她冬耪矩的识别能力要强。鼹居，我{f】将赞鲍一季中特妊统计方法

4、——主分量分析方法和BP神经网络结合，设计了基于PCA的耐部表情识别系统，实骏结果表明矩特征提取的方法，其识别率比PCA高。关键词：面部袭情矩Hu矩Zemike矩小波小波矩BP神经网络主分量分析识别率东南大学硕士学位论文AbstractTHESISTITLE：ResearchoftheMoment—basedandPCA-basedFacialExpressionRecognitionMASTERNAME：JiangLuSUPERVISORNAME：ShuhuazhongSCHOOLNAME：S

5、outheastUniversityInourdailyIife．capacitiesofhumanbeingnotonlyrepresentnormalrationalthinkingandlogicabilities．butalsoexhibitnorlnalsensibilities．Innaturalinterfaceofhumanandcomputers，computersareunabletohavenoabilitiesofunderstandingandexpressingemo

6、tions．Theseabilitiesofcomputerwilldirectlypromotebuildingmodelsanddevelopingdatabaseincomputervisionsystem．Moreover,theywillhelppeoplestudyandestablishreliabilityofcommunicationinbehavior．Inthisdissertation，wemainlydiscussedtheapplicationofmomentinva

7、riantsinfacialexpressionrecognition,inc!ndingtheapplicationofDSTinhumanfaceimagefeaturelocation，comparisonofallkindsofmomentinvariantsinfacialexpressionrecognition，designingofrelevantclassifierandtheapplicationofPCAinfacialexpressionrecognition．First

8、ly,weintroducedcurrentresearchstatusofhumandetectionintheworld．Onthebaseofgeneralsymmetrytransform，wedefinedthediscretesymmetrytransforminpreciselocationofhumaneyes。Thisstepisthepre-processingworkoffacialexpressionrecognition．Next．wemainlyintroducedt