面部表情識(shí)別中若干關(guān)鍵技術(shù)的研究.pdf

1、近年來(lái)，隨著計(jì)算機(jī)和信息技術(shù)的快速發(fā)展，面部表情識(shí)別技術(shù)越來(lái)越受到重視。如何準(zhǔn)確有效地提取表情特征并進(jìn)行分類已經(jīng)成為一個(gè)研究的熱點(diǎn)。
　　本文主要研究了表情特征提取和表情分類與識(shí)別中的一些關(guān)鍵問(wèn)題，提出了一些改進(jìn)方法，并通過(guò)實(shí)驗(yàn)進(jìn)行了有效性驗(yàn)證。本文的主要工作如下:
　　提出新的特征提取方法，即LBP曲波域的表情識(shí)別。為了分類面部表情，局部的面部信息需要存儲(chǔ)。若要獲取表情的局部描述，由曲波變換處理處理過(guò)的圖像，局部二值模式(

2、LBPs)計(jì)算選定子帶。本方法是非交叉驗(yàn)證的，并且與LBP和Gabor小波兩種方法作比較，得出比較滿意的檢測(cè)效果，即從LBP曲波域比LBP空間域能得到更好的效果。實(shí)驗(yàn)結(jié)果表明該方法在一定程度上能夠有效提高表情分類的精度。
　　提出了Semi-BSVMs的表情分類識(shí)別。首先介紹引入半監(jiān)督學(xué)習(xí)-貝葉斯支持向量機(jī)用于二值分類，再通過(guò)構(gòu)建Semi-BSVMs分類表情，達(dá)到高識(shí)別率。用來(lái)設(shè)計(jì)減少過(guò)度臃腫的問(wèn)題，半監(jiān)督學(xué)習(xí)有明顯的優(yōu)勢(shì)超過(guò)監(jiān)督

3、或歸納學(xué)習(xí)。雖然傳統(tǒng)的支持向量機(jī)有基于標(biāo)記數(shù)據(jù)的最大距離，支持向量機(jī)的半監(jiān)督形式將嘗試在標(biāo)記與未標(biāo)記的這兩個(gè)數(shù)據(jù)空間中找到的最大差距。這使我們能夠使用未標(biāo)記數(shù)據(jù)的一些信息和提高預(yù)測(cè)的整體性能?？赡苄允鞘褂靡环N涉及未標(biāo)記數(shù)據(jù)的特殊類型的鉸鏈損失函數(shù)。由未標(biāo)記數(shù)據(jù)構(gòu)建的可能部分添加一個(gè)懲罰參數(shù)。參數(shù)和處罰控制通過(guò)對(duì)多數(shù)的前數(shù)據(jù)進(jìn)行客觀性分析。未標(biāo)記數(shù)據(jù)的學(xué)習(xí)速度反映在未標(biāo)記數(shù)據(jù)的懲罰參數(shù)的后驗(yàn)分布。這一提法為我們提供了應(yīng)提取的未標(biāo)記數(shù)據(jù)的信