面部表情识别#.ppt

《面部表情识别#.ppt》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、基于信息融合的面部表情分析与识别研究生：刘松指导老师：应自炉学科专业：信号与信息处理论文选题来源广东自然科学基金项目：（032356）研究现状国际上对人脸面部表情识别的研究现在逐渐成为科研热点。国内外很多机构都在进行这方面的研究,尤其美国、日本。进入90年代,对人脸表情识别的研究变得非常活跃,吸引了大量的研究人员和基金支持,EI可检索到的相关文献就多达数千篇。美国、日本、英国、德国、荷兰、法国等经济发达国家和发展中国家如印度、新加坡都有专门的研究组进行这方面的研究。其中MIT、CMU、Maryland大学、Standford大学、日本城蹊大学、东京大学、ATR研究所的贡

2、献尤为突出。国内国内的清华大学、哈尔滨工业大学、中科院、中国科技大学、南京理工大学、北方交通大学等都有人员从事人脸表情识别的研究目前面部表情识别的主要方法：基于模板匹配的面部表情识别方法基于神经网络的面部表情识别方法基于规则的人脸面部表情识别方法基于随机序列模型的面部表情识别方法其他方法，比如支持向量机，小波分析等论文主要工作介绍了信息融合在面部表情识别应用的三个层次模型探索了基于单特征单分类器的面部表情识别将支持向量机理论和信息融合理论结合在一起，提出基于基于SVM的多特征多分类器融合的面部表情识别将径向基函数神经网络用于面部表情特征的融合上，提出基于RBF网络的多特征

3、融合的面部表情识别面部表情识别：一般可描述为给定一个静止人脸图像或者动态的人脸图像序列，利用已有的人脸表情数据库确定图像中的一个人或者多个人的面部表情，研究内容包括以下三方面：人脸检测:即从各种不同的场景中检测出人脸的存在并确定其位置.面部表情特征提取:即确定表示检测出的人脸表情和数据库中的已有的人脸面部表情的描述方式。通常的表示方式包括几何特征、代数特征、固定特征模板、云纹图、3D网格等。面部表情识别：就是将待识别的人脸面部表情和数据库中的已知人脸面部表情比较，得出相关信息。这一过程是选择适当的人脸面部表情表示方式与匹配策略论文主要工作介绍了信息融合在面部表情识别应用的

4、三个层次模型探索了基于单特征单分类器的面部表情识别将支持向量机理论和信息融合理论结合在一起，提出基于基于SVM的多特征多分类器融合的面部表情识别将径向基函数神经网络用于面部表情特征的融合上，提出基于RBF网络的多特征融合的面部表情识别信息融合与面部表情分析信息融合就是把来自多个信息源的目标信息合并归纳为一个具有同意表示形式输出的推理过程,其基本的出发点是通过对这些信息源所提供的信息的合理支配和使用,利用多个信源在时间或空间上的冗余性和互补性对这些信息进行综合处理,以获得对被测对象具有一致性的解释和描述,使得该信息系统获得比它得各个组成部分更优越的性能。人脸面部表情识别包含

5、大量的变量,反映待识别目标各要素的非度量形式允许许多类型的表示技术,每一种技术又可以采用不同的方法进行计算。基于信息融合面部表情识别的三个模型基于像素层融合的面部表情识别基于特征层融合的面部表情识别基于决策层融合的面部表情识别基于像素层融合的面部表情识别这种方法对每幅图像预处理之前进行像素层融合后,得到一个融合的人脸图像数据,并在此基础上再进行特征提取和面部表情识别。基于特征层融合的面部表情识别这种方法对每个传感器的观测数据进行特征的抽取以得到一个特征向量,然后把这些特征向量融合起来并根据融合后得到的特征向量进行面部表情识别及判定。基于决策层融合的面部表情识别这种方法对每

6、个传感器都执行面部表情特征提取和面部表情识别，然后对多个识别结果进行信息融合从而得出一个面部表情判决结果,再融合来自每个传感器的面部表情判决。论文主要工作介绍了信息融合在面部表情识别应用的三个层次模型探索了基于单特征单分类器的面部表情识别将支持向量机理论和信息融合理论结合在一起，提出基于基于SVM的多特征多分类器融合的面部表情识别将径向基函数神经网络用于面部表情特征的融合上，提出基于RBF网络的多特征融合的面部表情识别基于单特征单分类器的面部表情识别基于神经网络级联的面部表情识别基于几何特征的面部表情识别基于均值主元分析的面部表情识别基于Fisher线性判别的面部表情识别

7、基于神经网络级联的面部表情识别网络级联的面部表情识别结构BP网络的算法流程网络级联的面部表情识别的实验结果网络级联的面部表情识别结构网络级联的面部表情识别流程网络级联的面部表情识别的实验结果在两个数据库上进行实验，从耶鲁大学的YaleFace数据库中选取60幅人脸图像，共15个人，4幅/人，其中训练样本56幅，14个人，4幅/人，测试样本为剩下的4幅图像，1个人，4/人，通过随机变换训练样本和测试样本，我们重复15次这样的实验。从日本女性表情数据库中（JAFFE）选取120幅图像，共10个人，12幅/人，其中84幅图像作为训练