人臉表情作為傳遞情感信息的載體,在人機(jī)交互過(guò)程中發(fā)揮著不可替代的作用。傳統(tǒng)表情特征提取方法靈活性差,提取的特征容易受到復(fù)雜環(huán)境影響。而使用深度學(xué)習(xí)方法獲取特征需要大量的訓(xùn)練數(shù)據(jù),數(shù)據(jù)量不足會(huì)導(dǎo)致模型產(chǎn)生過(guò)擬合,同時(shí)訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)耗時(shí)費(fèi)力。因此,研究表情特征獲取以及提高表情識(shí)別率的有效方法是人臉表情識(shí)別技術(shù)研究的重點(diǎn)。針對(duì)LBP特征易受噪聲干擾,并且LBP特征采用單個(gè)像素點(diǎn)灰度值之間的比較方式難以描述灰度變化,忽略了表情圖像的整體結(jié)構(gòu),導(dǎo)致部分特征信息丟失。本文通過(guò)擴(kuò)展LBP算子的鄰域尺寸,提出了一種改進(jìn)的LBP特征提取算法。該算法采用局部鄰域像素點(diǎn)的加權(quán)灰度值代替單個(gè)鄰域像素點(diǎn)的灰度值,將鄰域像素點(diǎn)的加權(quán)灰度值與中心像素點(diǎn)的灰度值做差運(yùn)算取其絕對(duì)值,然后將其平均值用于LBP編碼進(jìn)行表情特征提取,加強(qiáng)了表情圖像中各像素點(diǎn)之間的聯(lián)系。針對(duì)人臉表情特征分類(lèi),考慮SVM具有強(qiáng)大的非線(xiàn)性分類(lèi)能力,將改進(jìn)的LBP特征與SVM分類(lèi)器結(jié)合,設(shè)計(jì)了一種人臉表情識(shí)別方法。該方法首先采用改進(jìn)LBP算法對(duì)經(jīng)過(guò)預(yù)處理的表情圖像提取特征向量,然后通過(guò)一對(duì)一策略構(gòu)建SVM分類(lèi)器,對(duì)獲取的表情特征進(jìn)行學(xué)習(xí)。利用公開(kāi)... 

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于CNN

CK人臉表情數(shù)據(jù)集

JAFFE人臉表情數(shù)據(jù)集


本文編號(hào)：3655061