隨著計算機技術和人工智能技術的迅猛發(fā)展,面部表情識別技術作為智能化人機交互的重要手段具有廣闊的應用前景。雖然目前眾多面部表情識別算法已取得較好的識別性能,但面部表情識別系統(tǒng)在實際應用中仍面臨很多問題。通常獲得的欠完備訓練數據是人臉身份和表情特征的融合圖像,這兩者之間互相影響。對于表情識別問題,原始的圖像可理解為人臉身份和表情特征的混合空間,其中人臉身份為干擾空間,而表情特征則為有效空間。因此,如何解耦有效的表情特征同時抑制人臉身份對表情特征的影響,并設計獨立于人臉身份的自動表情識別系統(tǒng)具有重要的理論和應用價值。本文從特征提取角度入手,針對欠完備數據融合人臉身份和表情特征的特點,構建基于解耦空間特征學習識別模型。特征提取從淺層特征和深層特征兩方面入手,分別構建基于先驗知識解耦空間和自學習解耦空間的表情識別算法。具體研究內容如下:(1)根據欠完備數據融合人臉身份和表情特征的問題,分別提出基于獨立人臉身份的協(xié)同表示識別算法及基于字典學習特征空間的稀疏表示識別算法。基于獨立人臉身份的協(xié)同表示識別算法首先將原始空間轉化到表情空間并將欠完備的表情訓練樣本進行擴展,以彌補小樣本對識別結果帶來的不足,...

【文章頁數】：123 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及意義
    1.2 國內外研究現(xiàn)狀
    1.3 本文的研究內容
    1.4 本文主要貢獻和章節(jié)安排
第2章 稀疏表示相關理論
    2.1 引言
    2.2 稀疏表示理論
    2.3 協(xié)同表示理論
    2.4 概率協(xié)同表示理論
    2.5 本章小結
第3章 基于先驗知識特征學習識別算法
    3.1 引言
    3.2 基于獨立人臉身份的協(xié)同表示識別算法
        3.2.1 IFRC算法原理
        3.2.2 實驗仿真及結果分析
        3.2.3 IFRC算法分析
        3.2.4 性能評價
    3.3 基于字典學習特征空間的稀疏表示識別算法
        3.3.1 特征字典模型及DLFS_SRC算法
        3.3.2 實驗仿真及結果分析
        3.3.3 DLFS_SRC算法分析
        3.3.4 性能評價
    3.4 本章小結
第4章 基于低秩稀疏誤差字典的概率協(xié)同表示識別算法
    4.1 引言
    4.2 LRSE_ProCRC算法描述
    4.3 實驗仿真及結果分析
        4.3.1 特征方法對比實驗
        4.3.2 分類方法對比實驗
        4.3.3 訓練樣本對比實驗
        4.3.4 噪聲變量對比實驗
    4.4 算法分析
    4.5 本章小結
第5章 基于像素差值表示的區(qū)分性特征學習識別算法
    5.1 引言
    5.2 區(qū)分性特征字典及DFL_PDR算法
        5.2.1 構建區(qū)分性特征字典
        5.2.2 垂直二維線性判別分析
        5.2.3 分類準則
    5.3 實驗仿真及結果分析
        5.3.1 不同參數對比
        5.3.2 平均識別率及運行時間對比
        5.3.3 表情類識別率對比
    5.4 DFL_PDR算法分析
    5.5 本章小結
第6章 基于自學習的深層特征識別算法
    6.1 引言
    6.2 基于深度子空間特征核映射的稀疏表示識別算法
        6.2.1 深度子空間模型
        6.2.2 核空間映射
        6.2.3 分類準則
        6.2.4 實驗仿真及結果分析
        6.2.5 性能評價
    6.3 基于深度子空間特征二步表示分類識別算法
        6.3.1 TPRC算法原理
        6.3.2 實驗仿真及結果分析
        6.3.3 TPRC算法分析
    6.4 本章小結
結論
參考文獻
攻讀博士學位期間承擔的科研任務與主要成果
致謝



本文編號：3853725