資源描述：
《基于lbp特征與深度學(xué)習(xí)模型的人臉表情識別研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、摘要摘要當(dāng)前，復(fù)雜環(huán)境下精準(zhǔn)、高速、多姿態(tài)的人臉表情識別系統(tǒng)研究越來越受到學(xué)者的重視，并已經(jīng)成為一個熱點(diǎn)研究領(lǐng)域。人臉表情識別在遠(yuǎn)程醫(yī)療、交通監(jiān)控、無人服務(wù)以及其他人機(jī)交互領(lǐng)域有著廣泛應(yīng)用前景，提高復(fù)雜環(huán)境下的人臉表情識別率有重要的理論和現(xiàn)實(shí)意義。經(jīng)過幾十年的發(fā)展，學(xué)者們研究的主要問題集中在特征的提取和分類學(xué)習(xí)算法兩個方面，二者對提高人臉表情識別的準(zhǔn)確率有決定性作用。本文對人臉表情識別系統(tǒng)進(jìn)行了特征提取和分類兩個方面的算法研究。根據(jù)當(dāng)前人臉表情識別系統(tǒng)的特征提取手法，著重分析了LBP紋理特征，并在此基礎(chǔ)之上提出改進(jìn)和多特征
2、融合的方法，以達(dá)到表情特征魯棒性強(qiáng)、計(jì)算簡單、提取速度快，同時表情信息盡可能保留完整的目的；根據(jù)當(dāng)前分類學(xué)習(xí)的主要算法，突破性的提出將深度學(xué)習(xí)算法應(yīng)用于表情識別領(lǐng)域，并做了嘗試性實(shí)驗(yàn)，取得了滿意的識別效果。本文設(shè)計(jì)了JAFFE和CK+兩種不同數(shù)據(jù)庫下LBP特征提取和融合方法；設(shè)計(jì)了改進(jìn)LBP算法處理后的特征分別采用SVM和k-NN傳統(tǒng)學(xué)習(xí)分類算法、深度信念網(wǎng)絡(luò)分類算法的表情識別實(shí)驗(yàn)，并做了對比實(shí)驗(yàn)與分析。關(guān)鍵詞：人臉表情識別；深度學(xué)習(xí)；LBP特征；深度信念網(wǎng)絡(luò)IAbstractABSTRACTSofarinthefield
3、offacialexpressionrecognition,moreandmoreattentionofscholarsarefocusonsearchingforamethodwhichisaccurate,high-speedunderthemulti-poseandcomplexenvironment，andithasbecomeahotresearchfield.Facialexpressionrecognitionhaswideapplicationprospectsintelemedicine,trafficm
4、onitoring,robotservice,andotherHuman-ComputerInteraction(HCI).Improvingtherateoffacialexpressionrecognitionincomplexenvironmentshasimportanttheoreticalaswellaspracticalsignificance.Afterdecadesofdevelopment,problemsarefocusedontwoaspects:thefeatureextractionalgori
5、thmandtheclassificationalgorithm.Theyarebothplayadecisiveroleinimprovingtheaccuracyoffacialexpressionrecognition.Inthispaper,in-depthresearchoffacialexpressionrecognitionsystemisconducted.Accordingtothecurrenttechniqueoffeatureextractioninfacialexpressionrecogniti
6、on,weanalyzedtheLBPfeatureandproposedamethodofmulti-featurefusionbasedonLBPinordertoensurethefeatureofexpressiontoberobustandsimple,asthemeaningtimetoconcludetheexpressionfeatureascompleteaspossible;Accordingtothemainalgorithmofcurrentclassification,wegroundbreaki
7、ngproposedthatdeeplearningalgorithmcanbeappliedtofacialexpressionrecognition.Wemadeanattemptanddoneseveralexperiments,andachievedsatisfactoryresultsintherecognition.Inthispaper,wedesignsamethodofLBPfeatureextractionandfusionunderJAFFEandCK+,usingtwolinearclassifie
8、rSVMandk-NNanddeepbeliefnetworktoconductingfacerecognitionexperiment.Comparativeexperimentandanalysisalsowasdoneafterthis.KeyWords:FacialExpressionRecog
