论文部分内容阅读
人脸表情识别是模式识别计算机视觉情感计算心理学等领域的一个交叉课题人脸表情识别是指利用计算机分析人的脸部表情及其变化，并确定其内心情绪或者思想活动一个完整的人脸表情识别过程包含三个重要的技术环节，即人脸区域的定位和处理人脸表情特征的提取人脸表情识别本文主要研究人脸区域的检测人脸表情特征的提取人脸表情的识别，并进一步对识别的结果进行时效性分析本文使用Adaboost算法进行人脸检测，采用阈值方式将Haar-like特征训练为弱分类器，实现Adaboost算法并选取一些Haar-like特征构建一个强分类器最终利用Opencv的训练模板检测正面人脸，进一步对表情图像进行直方图均衡化的预处理操作，以此作为人脸表情识别的输入在人脸检测的基础上，利用Haar-like特征表示人脸表情特征采用划分特征值空间的方法建立弱分类器，并且利用提出的多类连续Adaboost算法提取特征，并根据提取的特征构建相应的特征模板在人脸表情的识别过程中，首先利用训练得到的特征模板选取Haar-like特征，在选取特征的基础上利用SVM训练分类模板并对表情图像进行分类文中分别在不同的人脸库中进行人脸特征的提取和人脸表情识别，得到较高的识别率，这说明文中提出方法是可行的并且有较高的适用性由于每个表情状态以及强度都不是一成不变的，而是经过一段时间都衰减到中性表情，针对这一现象，本文以动力学方程中阻尼振动过程的解空间为基础建立数学模型对每次识别到的人脸表情进行评价本文在人脸检测的基础上，提出基于Haar-like特征的表情识别方法，该方法保持较高识别率的同时提高了适用性，文章最后提出表情时效性模型分析表情状态的有效期