文档介绍：摘要
人脸表情识别技术是人工智能领域新兴的一个研究方向,它在智能化的人际交互中具有广阔的应用前景。同时,该技术还被广泛应用在交通、医疗和公共安全等方面。近年来,人脸表情识别技术受到了更多学者的关注,成为了人工智能领域的又一研究热点。因此,对人脸表情识别技术的研究具有重要的理论意义和实际的应用价值。
人脸表情识别技术主要包括图像预处理、特征提取和分类识别。在人脸表情图像预处理中,针对人眼定位的问题,给出了一种基于Sobel边缘提取的人眼定位新方法。主要包括眼部粗定位、眉眼分离和精确定位三个步骤。眼部粗定位是在对图像进行中值滤波和归一化预处理后,根据先验知识来完成。眉眼分离是利用灰度积分投影曲线来确定眉眼分离线,然后进行分离。眼睛的精确定位是通过对眼睛区域应用Sobel算子提取边缘后,根据二值图像的边界来确定精确的位置。该方法与Hough变换圆检测法和传统模板匹配法相比较,在计算时间上具有明显优势,适合应用于实时人脸表情识别系统中。
针对特征提取,给出一种应用Gabor小波变换和非负矩阵分解相结合的特征提取方法。结合Gabor小波变换的特性,设计了相应的Gabor滤波器组,利用它对面部信息区域进行滤波处理,获取不同的子图信息。接着,对各个滤波器滤波产生的子图分别进行非负矩阵分解,实现数据的降维及特征的选择。
针对分类识别,设计了基于最近邻思想和概率统计原理的两级分类模式。从各个滤波器获得的子图信息为输入信息,将其输入作为第一级分类器的最近邻分类器,对第一级分类器的输出结果进行概率统计,以实现第二层分类,第二层分类器的输出结果作为最终的识别结果。两级分类模式使每幅图像实现了多次判别,降低了错误分类的可能性,提高了算法的鲁棒性。
在MATLAB编程环境下,采用日本女性人脸表情数据库(JAFFE)进行了实验测试。实验结果表明了本文所给方法的有效性。除此以外,还将所给出的方法应用于小样本下的人脸识别中,并在Yale人脸库中进行了实验,结果显示该方法也适用于小样本的人脸识别技术中。
关键词:表情识别;人脸识别;非负矩阵分解;Gabor小波变换
Abstract
Facial expression recognition is a new research direction, and it has broad application prospects in the intelligent puter interaction. At the same time, facial expression recognition is widely applied in the fields of the traffic, medical treatment and public safety. In recent years, facial expression recognition has been paid close attention by more and more scholars. And this technology has e a hot research in the area of artificial intelligence. Therefore, research on facial expression recognition technology has important theoretical significance and practical application value.
Facial expression recognition technology includes image preprocessing, feature extraction and classification. In image preprocessing, a new eye location method based on Sobel edge extraction was proposed. The new method includes three steps for coarse positioning of eyes, segmentation of eyebrows and eyes, and precise position of eyes. After median filtering and normalization for image, the coarse area of eye was located according to the priori knowledge. The segmentation of eyebrows and eyes was implemente