基于HOG特征的人臉表情識(shí)別算法研究.pdf

《基于HOG特征的人臉表情識(shí)別算法研究.pdf》由會(huì)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、Ｖ戶Ｉ，、級(jí)：?jiǎn)挝淮a；１０２９３密？啼雀若緣巧女?；。粒崳姡祝崳娬撐念}目；某于ＨＯＧ特巧的人臉表情識(shí)別算法研巧１０１２０１０４０２學(xué)號(hào)延名＇曹雪牲巧ＶＶ導(dǎo)師；信號(hào)與信息處理學(xué)科專業(yè)現(xiàn)代通信中的智能信號(hào)處理硏究方向ｘ＾Ｍ±申請(qǐng)學(xué)位類別￣￣￣￣‘五年￣月零論文提交日期￣南京郵電大學(xué)學(xué)位論文原創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研巧工作及取得的研究成果。外，論文中不包含其他人己經(jīng)發(fā)表或撰寫過盡我所知，除了文中特別加標(biāo)注和致謝的地方的研巧成果，也不包含

2、為獲得南京郵電大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)巧已在論文中作了明確的說明并表亦了謝意＾。本人學(xué)位論文及涉及相關(guān)資料若有不實(shí)，愿意承擔(dān)切相關(guān)的法律責(zé)任個(gè)’＇中夏曝日期；研究生簽名：南京郵電大學(xué)學(xué)位論文使用授權(quán)聲明本人授權(quán)南京郵電大學(xué)可保留并向國家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子文檢索學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行；楷；可將；允許論文被查閱和借閱、匯編本學(xué)位論文。本文電子文檔的內(nèi)容和紙質(zhì)可ｙ？采用影印、縮印或掃描等復(fù)制手段保存一理。權(quán)學(xué)研生（）南郵電大巧院辦致。論包括登授

3、京的公布刊論文的內(nèi)容相文權(quán)。密后適用本授書密學(xué)位論文在解涉’料單ｆ：日期—－簽名生簽：《說導(dǎo)師名研巧ResearchonFacialExpressionRecognitionBasedonHOGThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByWangZhenSupervisor:Prof.CaoXuehongMarch2015摘要人臉表情識(shí)別技術(shù)已逐漸成為計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域中的一個(gè)研究熱點(diǎn)，受到越來越多的科研人員的重

4、視，取得了重大進(jìn)展，但仍存在表情識(shí)別算法的識(shí)別率較低，對(duì)噪聲魯棒性不高，實(shí)時(shí)性較差以及受外界環(huán)境干擾較大等亟待解決的關(guān)鍵問題。針對(duì)這些問題，本文在人臉表情識(shí)別的特征提取階段做了相關(guān)研究，主要研究工作包含以下幾個(gè)方面：1、采用梯度方向直方圖（HistogramsofOrientedGradients，HOG）算子提取人臉表情特征，研究了HOG特征提取算法。考慮到人臉圖像的局部特征之間的空間排列信息，構(gòu)造圖像金字塔模型，設(shè)計(jì)出一種基于HOG金字塔特征的人臉表情識(shí)別算法。實(shí)驗(yàn)結(jié)果表明，HOG金字塔特征可以更好地表征表情圖像的形狀信息和局部特征之間的空間排列信息，與整幅圖像的HOG特

5、征相比，特征維度降低近2/3，在算法運(yùn)行效率和識(shí)別率方面都有較為明顯的提升。2、根據(jù)人眼視覺特性，提出了一種基于人眼視覺亮度差的各向異性擴(kuò)散濾波算法。利用人眼在不同亮度背景下對(duì)亮度差的敏感性不同，結(jié)合梯度值修正擴(kuò)散系數(shù)，區(qū)分處理面部斑點(diǎn)噪聲和肌肉皺褶形變所對(duì)應(yīng)的弱邊緣、弱細(xì)節(jié)，盡可能保留原始圖像中的表情信息。提出一種結(jié)合改進(jìn)各向異性擴(kuò)散濾波及HOG算子的人臉表情識(shí)別算法。實(shí)驗(yàn)結(jié)果表明，提出算法在有效濾除噪聲的同時(shí)，能夠較好地保護(hù)圖像的弱細(xì)節(jié)信息，且利用HOG算子準(zhǔn)確提取表情特征，是一種有效的表情識(shí)別算法。在高斯噪聲和椒鹽噪聲環(huán)境下，能夠保持較高的識(shí)別率，對(duì)噪聲具有一定的魯棒性

6、。3、在人眼視覺注意機(jī)制啟發(fā)下，研究主動(dòng)形狀模型算法，標(biāo)記人臉關(guān)鍵點(diǎn)，進(jìn)行局部HOG特征提取。并根據(jù)多尺度分析原理將不同尺度下局部HOG特征進(jìn)行融合，使特征信息更加豐富。實(shí)驗(yàn)結(jié)果表明，基于視覺注意機(jī)制與多尺度HOG算子的人臉表情識(shí)別算法所提取的表情特征為人眼、鼻梁、嘴角等關(guān)鍵點(diǎn)處的多尺度局部信息，特征維度較低，排除了冗余信息的干擾，能夠更準(zhǔn)確地表現(xiàn)人臉表情的變化。關(guān)鍵詞:人臉表情識(shí)別，梯度方向直方圖，圖像金字塔，各向異性擴(kuò)散濾波，人眼視覺特性IAbstractFacialexpressionrecognitiondrawsmoreandmoreattentionofresea

7、rchersandithasgraduallybecomeahottopicinthefieldofcomputervisionandpatternrecognition.Inrecentyears,thefacialexpressionrecognitiontechnologyhasachievedsignificantdevelopment,however,therearestillsomekeyproblemsneedtobesolvedurgently,suchasthelowrecogniti