基于非线性降维的人脸表情识别若干算法的研究

作     者：黄明威 

作者单位：五邑大学 

学位级别：硕士

导师姓名：应自炉

授予年度：2011年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：表情识别 非线性降维 SNE GPLVM SPE SVM 

摘      要：脸部表情是一种重要的形体语言,在人们传递的情感信息当中,只有7%的信息是通过言词来传递,38%是通过声音来传递的,而55%的信息则是通过脸部表情来传递的。人脸表情识别就是利用计算机提取人脸表情图像的特征信息,根据特征的不同将表情图像归为不同表情类别中,它使得计算机能够根据表情图像分类的结果,推断人的心理状态,从而实现人机之间的自然交互。尽管目前人脸表情识别技术已经取得了不少进展,但现实生活中光照、姿态、噪声、遮挡物等各种因素影响,要实现大规模的应用仍需进一步研究。 本文分析了有关人脸表情识别技术的国内外研究现状,对计算机人脸表情识别的若干问题进行了探讨,着重研究了非线性数据降维在人脸表情识别中的应用,并根据进行了一系列表情识别实验结果综合成本文。论文的工作主要包括以下几个方面： 1.对人脸表情识别的研究现状和常用的人脸表情识别算法作了介绍,而且对SVM分类器作了较详细介绍。 2.对数据降维方法作了介绍和比较,详细介绍了几种常用的非线性数据降维算法,并分析了其主要优点与不足。 3.研究了基于SNE降维和SVM作为分类器的人脸表情识别方法。对SNE算法作了详细介绍,并将其应用于人脸表情特征降维,在JAFFE数据库和上进行了实验,与LDA+SVM算法和PCA+SVM算法进行了比较,基于SNE+SVM的非特定人的人脸表情识别方法在JAFFE数据库上最高的识别率可以达到65.7%,均高于以上两种方法。 4.研究了基于GPLVM降维和SVM作为分类器的人脸表情识别方法。对GPLVM算法作了详细介绍,并将其应用于人脸表情特征降维,在JAFFE数据库和上进行了实验,与LDA+SVM算法和PCA+SVM算法进行了比较,基于GPLVM+SVM的非特定人的人脸表情识别方法在JAFFE数据库上的最高识别率可以达到65.24%,均高于以上两种方法。 5.研究了基于SPE降维和SVM作为分类器的人脸表情识别方法。对SPE算法作了详细介绍,并将其应用于人脸表情特征降维,在JAFFE数据库和上进行了实验,与LDA+SVM算法和PCA+SVM算法进行了比较,基于SPE+SVM的非特定人的人脸表情识别方法在JAFFE数据库上的最高识别率可以达到69%,此外,在分表情识别的试验表明SPE+SVM比PCA+SVM算法在一些容易混淆的表情上的识别效果有了很大的提高,以及SPE+SVM算法具有可以在表情数据降维至比较低的维数区间达到较高的表情识别率的特点,这表明由于SPE算法能够对表情数据进行有效的特征提取,以及该算法的鲁棒性强等特点。