基于Boosting算法的表情識別研究.pdf

1、面部表情識別是人工智能領(lǐng)域的一個新興的研究課題,研究目標(biāo)是讓計(jì)算機(jī)能夠自動的識別出人的表情,進(jìn)而分析人的情感。計(jì)算機(jī)自動面部表情識別能夠進(jìn)一步增強(qiáng)人機(jī)交互的友好性與智能性,因此具有非常重要的研究和應(yīng)用價值。在分析了目前國際上面部表情識別算法的基礎(chǔ)上,本文著重研究了基于Boosting算法的面部表情識別和幾種特征提取和分類的方法,并進(jìn)行了相關(guān)的測試。論文的主要內(nèi)容如下： 1.從情感出發(fā)。簡單的介紹了情緒理論的基礎(chǔ),介紹了表情識別的

2、研究歷史與現(xiàn)狀。討論了情感識別在國際與國內(nèi)研究的狀況,介紹了情感的基本理論和背景。并介紹了人臉表情識別的研究歷史意義,簡單介紹了表情識別庫,并針對表情識別的難點(diǎn)、優(yōu)勢和不足做了簡要的說明。 2.研究了人臉檢測算法以及表情圖像的預(yù)處理方法。主要使用Adaboost機(jī)器學(xué)習(xí)算法來進(jìn)行表情識別,其核心意義在于通過對樣本的訓(xùn)練可以將識別率較低的弱分離器變成強(qiáng)分類器,從而提高識別的準(zhǔn)確率。本文對于Boosting算法做了著重的介紹,包括P

3、AC學(xué)習(xí)模型,Boosting算法的背景歷史以及算法的理論模型做了介紹。并著重介紹了Adaboost算法來歷和其算法步驟。 3.在分析了多種特征提取的算法基礎(chǔ)上,本文分別采用了基于積分圖原理和基于主分量分析算法(PCA)和局部二元模式(LBP)原理的分類器作為Adaboost算法的弱分類器進(jìn)行表情識別,并使用人臉表情庫對結(jié)果進(jìn)行測試并對測試的結(jié)果進(jìn)行分析。還將其結(jié)果同其他表情識別算法進(jìn)行比較?？梢缘贸鼋Y(jié)論基于上述三種算法為弱分類