针对AdaBoost及SVM的人脸表情识别的分析研究.pdf

__________________ 密级____非密_________ UDC 注1_______________________________________________________________ 硕士学位论文基于AdaBoost与SVM的人脸表情识别研究指导教师_________________付丽琴教授____________ 申请学位级别__________工学硕士__________________ 专业名称_______________通信与信息系统___________ 论文提交日期________年______月______日论文答辩日期________年______月______日学位授予日期________年______月______日论文评阅人___________________________________________________________ 答辩委员会主席_______________________ 2011年 5 月 25 日中北大学学位论文原创性声明本人郑重声明:所呈交的学位论文,是本人在指导教师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名: 日期: 关于学位论文使用权的说明本人完全了解中北大学有关保管、使用学位论文的规定,其中包括: ①学校有权保管、并向有关部门送交学位论文的原件与复印件;②学校可以采用影印、缩印或其它复制手段复制并保存学位论文;③学校可允许学位论文被查阅或借阅;④学校可以学术交流为目的,复制赠送和交换学位论文;⑤学校可以公布学位论文的全部或部分内容(保密学位论文在解密后遵守此规定)。签名: 日期: 导师签名: 日期: 中北大学学位论文基于AdaBoost与SVM的人脸表情识别研究摘要人脸表情是人类情感最主要的载体,包含了丰富的心理和情感信息,是最重要的非语言交流方式之一。随着计算机技术的飞速发展和人机交互理论的不断完善,人脸表情识别逐渐成为一个研究热点。人脸表情识别是图像处理、模式识别、心理学等学科的一个交叉课题,是实现计算机人性化、智能化的前提,对分析人类情感也具有重要的意义。本文针对表情识别的基本流程,重点研究了表情识别中的图像预处理、人脸表情特征提取与降维及识别等关键问题,并逐步实现了一个人脸表情识别平台。主要工作如下: ,其中重点研究了基于类Haar 特征和AdaBoost 算法的人脸检测方法,并且利用AdaBoost 算法实现了人脸和人眼检测。根据已检测到的人脸图像和左右眼睛坐标,对图像进行几何预处理;并使用直方图均衡化等方法对图像进行灰度预处理,实现人脸表情图像的归一化。 、速度慢等缺点,本文采用具有多频率、多方向的二维Gabor小波变换进行表情特征提取,通过实验确定合适的二维Gabor 变换频率尺度和方向。针对Gabor小波变换后得到的图像维数太高的问题,本文采用 2D-2DPCA和AdaBoost相结合的方法进行特征选择,得到所需的表情特征向量。在此基础上,本文采用“one-against-one”方法由多个两类SVM构建多类SVM进行表情分类,使用交叉验证方法获取分类器的最优参数,综合考虑识别性能与实时性能,设计了基于支持向量机理论的表情分类器。 ,开发了自动人脸表情识别平台。通过特定人脸和非特定人脸对系统进行实验测试,不仅验证了本文所采用算法的有效性,还证明了该系统可以作为表情研究和实验的平台,为以后的研究工作奠定了良好的基础。关键词: 人脸表情识别;人脸检测;AdaBoost;二维Gabor变换;支持向量机中北大学学位论文 Facial Expression Recognition Based on AdaBoost and SVM Abstract Facial expression is the most important vector of human emotion, which contains a wealth of psychological and emotional information, and facial expression is the most important non-verbal communication methods, with the rapid development of com