【正文】 目錄 摘要 ................................................................................................................................. I ABSTRACT ........................................................................................................................ II 第一章 緒論 ................................................................................................................... 1 第一節(jié) 課題研究背景及意義 .............................................................................. 1 第二節(jié) 本論文的主要工作 .................................................................................. 7 第二章 人臉圖像分析技術(shù)常用方法 ............................................................................... 8 第一節(jié) 人臉檢測(cè)常用方法 .................................................................................. 8 一、基于特征的方法 .................................................................................... 9 二 、 基于支持向量機(jī)的方法 ........................................................................ 9 第二節(jié) 人臉識(shí)別常用方法 ................................................................................ 10 一 、 基于特征臉的識(shí)別方法 ...................................................................... 10 二 、 彈性圖匹配方法 .................................................................................. 10 三 、 基于非線性數(shù)據(jù)降維的方法 .............................................................. 11 第三節(jié) 本章小結(jié) ................................................................................................ 12 第三章 局部二值模式（ LBP） ...................................................................................... 13 第一節(jié) 關(guān)于 LBP 的介紹 .................................................................................. 13 第二節(jié) LBP 方法的優(yōu)點(diǎn)與不足 ....................................................................... 20 第三節(jié) 本章小結(jié) ................................................................................................ 20 第四章 變閾值局部二值模式 ........................................................................................ 21 第一節(jié) 變閾值局部二值式的定義與性質(zhì) ........................................................ 21 第二節(jié) 基于變閾值局 部二值模式的紋理特征提取 ........................................ 24 第三節(jié) 本章小結(jié) ................................................................................................ 25 第五章 基于變閾值局部二值式人臉表情識(shí)別的實(shí)現(xiàn)及實(shí)驗(yàn)結(jié)果 ................................. 26 第一節(jié) 基于 變閾值局部二值式 的人臉表情識(shí)別的實(shí)現(xiàn) ................................ 26 第二節(jié) 實(shí)驗(yàn)討論變閾值 ε 的調(diào)整 .................................................................... 27 第三節(jié) 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析 ............................................................................ 28 第四節(jié) 總結(jié)與展望 ............................................................................................ 31 一 、 總結(jié)已有工作 .................................................................................... 31 二 、 對(duì)未來的展望 .................................................................................... 31 致謝 .............................................................................................................................. 32 參考文獻(xiàn) ....................................................................................................................... 33 I 摘要 作為智能化人機(jī)交互技術(shù)中的一個(gè)重要組成部分，人臉表情識(shí)別越來越受到重視，它是涉及模式識(shí)別、機(jī)器視覺、圖像處理、心理學(xué)等研究領(lǐng)域的一個(gè)極富挑戰(zhàn)性的交叉課題之一，是近年來模式識(shí)別與人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。一般而言，人臉表情識(shí)別主要有四個(gè)基本部分組成：表情圖像獲取、表情圖像預(yù)處理、表情特征提取和表情分類。本文重點(diǎn)集中在對(duì)表情特征提取問題的研究上，研究工作如下： 本文提出了一種 LBP 的擴(kuò)展形式，即變閾值局部二值模式。變閾值局部二值模式通過引入變閾值 ε 擴(kuò)展了變換后的特征空間，并且可以通過調(diào)整變閾值ε 的值在特征空間基于改進(jìn) LBP 的人臉表情識(shí)別方法中尋找適合于特定分類問題的子空間。經(jīng)過改進(jìn)，變閾值局部二值模式對(duì)于噪聲和光照變化相對(duì)于 LBP更加魯棒，而且特征抽取的過程也能夠相對(duì)靈活。最后本文以變閾值局部二值模式直方圖作為特征向量，采用 ? 2 概率統(tǒng)計(jì)來計(jì)算各特征向量的距離，選用最近鄰分類器進(jìn)行特征分類，求出識(shí)別率。我們使用 matlab 語言將上述算法應(yīng)用于人 臉表情識(shí)別，取得了較好的識(shí)別效果。 關(guān)鍵字： 人臉表情識(shí)別，特征提取， LBP，變閾值局部二值模式 II ABSTRACT As an important part of the technology for manmachine interaction, more and more attention to facial expression recognition． It is one of the most challenging problems in the fields of pattern recognition, machine vision, image processing and psychology, and it has bee a hot research topic in the field of pattern recognition and artificial intelligence in recent years． Generally speaking， facial expression recognition included four parts： expression image acquisition, expression image preprocessing， facial feature extraction and expression classification． In this thesis we focused on the problem of facial feature extraction. My primary work was summarized as follow： This improved LBP is we called local threshold． Local threshold extends the feature space through the introduction of parameter changeable threshold, and can find a suitable for a particular classification by adjusting the value of changeable threshold in the feature space． Local threshold is more robust to LBP for noise and illumination changes ， and feature extraction process can also be relatively flexible． Finally we use local threshold histogram as feature vectors， using ? 2 probability statistics to calculate the distance between each feature vectors， choosing the nearest neighbor classifier for feature classification, and then calculate recognition rate． The above algorithm had been applied to facial expression recognition by using the matlab language， and after the simulation achieved a better recognition effect． Keywords ： facial expression recognition, feature extraction, LBP, local threshold ,expression classification 1 第一章 緒論 第一節(jié) 課題研究背景及意義 上世紀(jì) 90 年代， Pentland 提出了著名的特征臉方法。此后，基于統(tǒng)計(jì)的人臉識(shí)別方法就成了人臉識(shí)別的主流方法。 人臉表情在人們的交流中起著非常重要的作用，是人們進(jìn)行非語言交流的一種重要方式。表 情含有豐富的人體行為信息，是情感的主載體，包含了豐富的情感信息，通過臉部表情能夠表達(dá)人的微妙的情緒反應(yīng)以及人類對(duì)應(yīng)的心理狀態(tài)，由此可見表情信息在人與人之間交流中的重要性。人臉表情識(shí)別技術(shù)隨著人們對(duì)表情信息的日益重視而受到關(guān)注，成為目前一個(gè)研究的熱點(diǎn)。所謂人臉表情識(shí)別就是利用計(jì)算機(jī)對(duì)人臉的表情信息進(jìn)行特征提取并分類的過程，它使計(jì)算機(jī)能獲知人的表情信息，進(jìn)而推斷人的心理狀態(tài)，從而實(shí)現(xiàn)人機(jī)之間的智能交互。表情識(shí)別技術(shù)是情感計(jì)算機(jī)研究的內(nèi)容之一，是生物特征識(shí)別、人工心理理論、情感計(jì)算、生理學(xué)、心理學(xué)、計(jì)算機(jī)視覺等多 學(xué)科交叉的一個(gè)極富挑戰(zhàn)性的課題，它的研究對(duì)于自然和諧的人機(jī)交互、遠(yuǎn)程教育、安全駕駛等都有重要的意義，具體表現(xiàn)在以下幾個(gè)方面： (1) 智能人機(jī)交互的實(shí)現(xiàn)：人臉面部表情的分析、編碼、識(shí)別以及在此基礎(chǔ)上的表情動(dòng)作跟蹤的研究，對(duì)實(shí)現(xiàn)自然的、智能化的