【正文】 由于 Gabor 特征在相鄰像素間是高度相關(guān)和冗余的 ,所以沒有必要提取如此 密集的數(shù)據(jù) ,本文采取了 6 行 4 列分布的采樣點 ,它可以基本包含人臉的主要信 息點。 2 π 那么參數(shù) kr , λσπ 2,22λ和 ?的取值如式 : vv u k v v +2 π 2k 2 π ,其中 ,v 0, ? , 4, 0, ? ,7 () v u 8 ?是方向參數(shù) ,它用于控制濾波器的方向 ,在進行 Gabor 變換過程中 ,二維 u Gabor 濾波器函數(shù)的實部和虛部將表示為不同方向的特征。參數(shù) σ決定濾波器的帶寬 ,雖然頻率空間可以是 0 到無窮大的任意值 ,但是一幅圖像的實際頻率分布是有限的 ,故參數(shù) k 只能在一 [35,36] 個較小的區(qū)間內(nèi)選取。二維 Gabor 濾波器函數(shù)是一個復(fù)函數(shù) ,它的實部和虛部可以 分別表示為下列形式 : 22 22 2kkx +y σ 實部 Regx ,y? exp[coskx,y? exp? ] () uv 22 σσ 22 22 22 kkx +y? 虛部 Imgx ,y? exp sinkx,y() uv 22? σσ 2 實部虛部 圖 Gabor 小波的實部和虛部 13 中南民族大學(xué)碩士學(xué)位論文 Gabor 小波的參數(shù)選取二維 Gabor 濾波器是帶通濾波器 ,它在時域中有著良好的方向選擇性 ,在頻 域上也有著良好的頻率選擇性 ,所以說它在頻域和時域上均有較好的分辨能力 , 而它在 時域和頻域的采樣方式是由 Gabor 小波濾波器組的參數(shù)所決定的。 (A)簡單細胞感受野 (B)二維 Gabor 濾波器模型 (C)兩者的誤差 12 中南民族大學(xué)碩士學(xué)位論文 圖 簡單視細胞感受野和 Gabor濾波器函數(shù)的區(qū)別規(guī)范 (A)簡單細胞感受野 (B)二維 Gabor 濾波器模型 (C)兩者的誤差 二維 Gabor 小波變換二維 Gabor 小波變換是多尺度表示和分析圖像的重要工具 ,Gabor 函數(shù)是唯 一能夠取得時域和頻域聯(lián)系不確定關(guān)系下界的函數(shù) ,所以經(jīng)常被用作小波基函數(shù) [34] 對圖像進行各種處理。 [32] 最早在 1946 年 , Gabor 在觀察到傅里葉變換在表示非平穩(wěn)信號方面的不足 之后 ,通過進一步研究 提出了最初形式的 Gabor 函數(shù) ,經(jīng)過幾十年的演變發(fā)展 , Gabor 函數(shù)逐步變成二維小波的形式。通過歸一化就將圖像的每個像素亮度值都轉(zhuǎn)換到 [0,1]之間 ,如 果某個圖像需要歸一化 ,就首先把它轉(zhuǎn)化成一維向量 x,然后對每一個元素 x(i) 進行處理 : [ximinxi]/[xminx]() 圖 是預(yù) 處理后的圖像 : angry sad fear happydislike surprise 圖 預(yù)處理后的表情圖像無論是識別過程還是學(xué)習(xí)過程 ,都要對分析對象固有的本質(zhì)特征或?qū)傩赃M行 測量并將結(jié)果數(shù)值化。本章采用文獻的方法把原始的 JAFFE 人臉表情圖像轉(zhuǎn)換為歸一化圖像。 而本文中所考慮的對象是二維圖像數(shù)據(jù)。在展望部分 ,也對此算法的不足有著清醒 的認識 ,深入思考了該方法需要改進的方面和能夠改進的細節(jié) ,對將來的工作方 向定下明確的目標 ,指出需要進一步研究的內(nèi)容。第四章分類器算法的對比 ,首先對人臉表情識別的分類器進行綜述性的說 明 ,再分別對最小距離分類器 ,決策樹分類器 ,主要對這兩種分類器進行深入研 究。再把這種方 法與支持向量機 分類方法以及其它的 Adaboost 多類分類法進行對比。圖 給出了該庫的 表情樣本圖像。表情庫中共有 10 個人 ,每人有 7 種表情 (中性臉、 高興、悲傷、驚奇、憤怒、厭惡、恐懼 )。而具體在人臉 表情識別中 ,就要考慮多類分類的問題 ,主要有一對一分 類 (one against one) 和一對多分類 (one against all),若使用一對多來解決 k 類分類 ,就有構(gòu)造 k 個 [31] 分類器 ,使用一對一來解決 k 類分類 ,就要構(gòu)造 k(k1)/2 個分類器 。具體到人臉表情識別中 ,有一維 HMM 和二維 HMM,使用一維隱 馬爾科夫模型時要先將二維的圖像信號轉(zhuǎn)化為一維的序列。 基于神經(jīng)網(wǎng)絡(luò) (Neural Network,NN)的方法 ,這種方法的研究具有悠久的 歷史 ,1943 年 ,//.olloch 和 提出了神經(jīng)元模型 ,通常稱為 MP 模 [28] 型 ,1986 年 ,Rumelhart 和 Hinton 提出了誤差反向傳播神經(jīng)網(wǎng)絡(luò) BP 模型 ,這 是一種能向著滿足給定的輸入輸出關(guān)系方向進行自組織的神經(jīng)網(wǎng)絡(luò)。但也有學(xué)者認為可以分為空域法和時域 法。 Edwards 提出的活 動外觀模板 AAM 要手動標定 122 個點來表征人臉信息。雖然這是近年來才提出來的方法 ,而且主 要是針對剛性物體的圖像匹配和物體識別 ,但人們正嘗試一些改進后的算法應(yīng)用 到人臉識別以及表情識別領(lǐng)域 ,而且在未來的發(fā)展中也會有更大的潛力。 Gabor 小波法 ,即利用 Gabor 濾波器一個復(fù)域正旋曲線函數(shù) ,相當于一組帶 通濾波器 ,通過調(diào)節(jié)不同的參數(shù)來捕捉圖像中不同的空間頻率、空間位置以及方 向信息 ,所以經(jīng)過 Gabor 濾波得到的信息對亮度和人臉姿態(tài)不敏感。這樣既保留了 高維空間的主要成分 分量 ,也降低了表情特征的維數(shù)。鑒于以上特點 ,基于幾何特征的方法只 適合粗分類。鑒于這些差異 ,表 情識別的方法應(yīng)該更加具有的針對性。④加大不同類 別特征之間的區(qū)分度。 4 中南民族大學(xué)碩士學(xué)位論文 光照 尺度 姿態(tài) 背景分離 人臉特征分割 人臉標準 人臉分割 表情特征表 示 人臉表情分類 人臉獲取 表情特征提取 人臉特征信息 變形信息提 運動信息提 人臉整體信息 表情識別 表情描述 取 取圖 表情識別系統(tǒng)一般框架 表情特征提取方法 根據(jù)人臉表情圖像不同的性質(zhì)分類 ,可以分為靜態(tài)圖像特征提取和動態(tài)圖像 序列特征提取 ,在靜態(tài)圖像中 ,提取出來的是人臉表情的暫態(tài)特征 ,而序列圖像 提取的是連續(xù)的運動特征。通常可以選擇的表示方法有基于 幾何的、運動的、統(tǒng)計的或者空間變換的特征。其中包括靜態(tài) 和動態(tài)圖像 ,一個圖像序列比一幅靜態(tài)圖像潛在的多了很多信息 ,因為它含有表 情的時間特征。 [12] 劉偉鋒 提出了基于人臉臉型分類的人臉表情識別算法。 Essa 于 1997 年提出了基于視頻的動態(tài)表情描述方式 FACS+, 它把時間和空間的變化特性考慮進去 ,這樣就克服了 FACS 對動態(tài)表情特性描述 的不足。 眼角的皺紋明顯 ,并 鼻孔鼓起 ,并向上翹起 ,帶動 向外部擴散。 上下唇角向兩個方向拉起并抬 高。 眉毛內(nèi)角向中皺 上眼皮被抬高 ,眼睛有微 面部肌肉微微顫動。 眉毛被抬起來 , 眼睛瞪大了 ,同時上 以致變高變彎。 整條眉毛都皺在 一起。 外眉角向下壓低 , 嘴巴緊閉 ,唇部向外突出 ,嘴 在臉頰的推動下 ,下眼瞼 厭惡 有時呈現(xiàn)“八字” 角向后向下拉。 會鼓起。 生氣 拉從而壓低。日本 的大阪大學(xué) ,國際電信技術(shù)研究所他們所做的貢獻尤為突出。隨著計 算機的性能迅速提 升以及人們對人機交互的需求更加迫切 ,它已經(jīng)成為一個非常熱門的課題 ,很 多機構(gòu)都投入了大量的人力物力來進行相關(guān)項目的研究。 著名生物學(xué)家達爾文早在 1872 年就提出了人類面部表情不隨種族、國家、性別 [4] 的不同而不同 ,人臉表情具有相似性和延續(xù)性。表 給出了表情識別的應(yīng)用特點和具體領(lǐng)域。 在現(xiàn)代人類生活中 ,情緒對于人與人之間的關(guān)系非常重要 ,所以人們對情緒 的研究也越來越多 ,表情是情緒的獨立表達方式 ,是一種重要的交流手段。正是由于這種特殊的作用 ,人們對智能化 計算機 以及機器視覺領(lǐng)域有了更多的關(guān)注 ,近 20 年來 ,在人臉表情識別的方法有了非 常顯著的進步 ,這些令人注目的研究成果主要是因為它在現(xiàn)實生活中有著無限的 潛力 ,例如人機交互、情感計算、心理學(xué)研究、謊言辨別 ,臨床醫(yī)學(xué)等。 (請在以上相應(yīng)方框內(nèi)打“ √” ) 作者簽名 : 日期 :年 月 日 導(dǎo)師簽名 : 日期 :年 月 日 中南民族大學(xué)碩士學(xué)位論文 第 1 章 緒 論 引言 模式識別 (Pattern Recognition)從誕生到現(xiàn)在已經(jīng)經(jīng)歷了較長的歷史 ,而且 隨著社會從工業(yè)化發(fā)展到后工業(yè)化階段 ,人類對自動化以及信息處理和檢索的需 求越來越多 ,模式識別也隨著這種趨勢被推向了工程應(yīng)用和研究的高級階段。 作者簽名 :日期 :年 月 日學(xué)位論文版權(quán)使用授權(quán)書 本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定 ,同意 學(xué)校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件