人脸图像的表情识别研究(源码)
近年来，人机交互的发展成为了计算机科学技术领域的重点关注。为了使计算机更好的理解人们的心理活动，人脸表情识别功能就显得尤为重要，因此人脸表情识别技术受到了极大的关注。本文主要阐述了人脸表情识别系统的大致组成结构，该系统分为人脸表情库预处理、表情特征提取和表情分类识别三个部分。本文选取了局部二值模式作为特征提取算法，K最近邻分类算法、支持向量机分类算法以及极限学习机作为表情分类算法。以日本JAFFE人脸表情库以及Cohn-Kanade人脸表情库作为训练和测试样本，在人脸表情识别功能中系统中实现了三种分类算法，同时将三种分类算法的识别率进行比较。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
1 绪论 2
1.1 研究背景和意义 2
1.2 国内外现有的学术成果 2
1.3 人脸表情识别难点 3
1.4 本文研究内容及组织结构 3
1.4.1 研究目标 3
1.4.2 组织结构 3
2 人脸表情识别系统介绍 4
3 人脸面部特征提取 4
3.1 特征提取定义 4
3.2 局部二值模式 5
3.2.1 局部二值模式定义 5
3.2.2 局部二值模式原理 5
3.2.3 LBP特征提取实现过程 5
4 人脸表情分类识别 7
4.1 K最近邻分类算法 7
4.1.1 K最近邻分类算法定义 7
4.1.2 K最近邻分类算法原理 7
4.1.3 KNN分类算法实现过程 7
4.2 支持向量机分类算法 8
4.2.1 支持向量机分类算法定义 8
4.2.2 支持向量机分类算法原理 9
4.2.3 SVM分类算法实现过程 9
4.3 极限学习机分类算法 10
4.3.1 极限学习机分类算法定义 10
4.3.2 极限学习机分类算法原理 11
4.3.3 ELM分类算法实现过程 12
5 人脸表情识别系统的实 *好棒文|www.hbsrm.com +Q: ^351916072*
现 13
5.1 人脸表情识别系统设计 13
5.1.1 人脸表情识别系统所用数据集 13
5.1.2 人脸表情识别系统实现步骤 14
5.2 人脸表情识别系统测试实验结果 15
5.3 人脸表情识别系统测试结果分析 18
5.4 人脸表情识别系统的运行 19
5.4.1 人脸表情识别系统运行环境 19
5.4.2 人脸表情识别系统实现过程 19
6 总结 20
致谢 21
参考文献 21
基于人脸图像的表情识别研究
引言
1 绪论
1.1 研究背景和意义
在人类的日常沟通交流中，人们通过语言、语调、动作和表情来表达自己的情感与想法。著名的心理学家Mehrabiadu进行了一项研究，研究表明：当人类表达情感时，通过语言传递的信息占总信息的39%，然而，通过表情传递的信息占总信息的55％[1]。由此可见，在人类沟通过程中，面部表情扮演着重要的角色，是人类传递信息的主要媒介，是进行非语言交流的主要方式。
人脸表情识别（Facial Expression Recognition, FER[1]）是利用计算机对人脸图像上显示的面部表情信息表达的检测，实现了面部表情在计算机上的自动识别。人脸表情识别是人工心理学和人工情绪理论研究的重要组成部分。人脸表情识别所涉及的领域有图像处理分析，计算机视觉，计算机图形学，人工智能，认知科学，心理学和其他科学。深入研究可以不仅促进这些科学的发展和进步，还可以促进人机交流，使机器人更好地理解情绪和人的心理。另外，将面部表情识别应用于医学和其他领域的潜在价值是值得进行深入地研究。
图1 广告受众看着大屏幕所显示的表情 图2 汽车安全系统中监测的驾驶员表情
具体的应用有：在销售行业内，人脸表情识别可以应用于广告中。在公共场所大屏幕上通过对广告受众们的表情进行捕捉并且分析，即时监测广告受众们的表情，来分析广告效果，为广告营销提供科学依据。在商店中，店主可以通过实时监控，经过面部表情识别并分析，来判断分析顾客对商店中产品的喜爱程度，以及商品受欢迎程度，经过合理的营销技巧，提高顾客购买率。大屏幕如图1所示。
在交通中，在车上的安全驾驶系统中安装实时的人脸表情监测系统，监测驾驶员的表情变化，以防止疲劳驾驶。一旦有疲倦、恼怒等表情显示，汽车会发出警报，提醒驾驶员及时休息，或者会做出相应的安全措施，从而降低交通事故的发生概率。监测图像如图2所示。
1.2 国内外现有的学术成果
按照权威数据显示，有关人脸表情识别的相关研究可以追溯到十九世纪。1872年，著名生物学家达尔文[1]通过观察发现人类与哺乳动物之间的脸部信息与内心表达，找到面部表情并不会因为种族，性别和年龄差异而变化。一九七一年，美国心理学家埃克曼[2]和弗里森[2]确定了六个基本表情：高兴，悲伤，惊讶，愤怒，厌恶，恐惧。在七年以后，他们的面部表情编码（FACS）的系统开发初见成效，用来检测面部表情的微妙变化。该软件使用四十四个运动运动活动单位（AU）来描述面部运动。这些表达活动单位表明面部肌肉运动与表情一一的罗列关系。 FACS系统的六个基本面部表情和建议是一个参考点。目前，大多数面部识别系统和数据组识别六个基本面部表情。同时，现有创建的面部模型主要在FACS的理论基础之上。
发达国家如美，英，法，德领先一步，发展中国家如中国，印度等也紧随其后。例如，国外MIT，CMU，斯坦福大学，东京ATR研究所和美国国家科学院，清华大学科学院与中国科技大学，哈尔滨工业大学，南京大学等都有专门从事的人员和机构。
许多美国科研机构如卡内基梅隆大学（CNU），麻省理工学院（MIT）和加州大学洛杉矶分校（UCLA）在识别面部表情有着深入的研究。这些大学进行研究并已经建立了两种模型，分为基于二维图像和基于三维头部模型的表情识别。日本的研究机构也较早地开展了人脸表情识别的研究，如日本的ATR科学研究实验室所研究出的人脸表情数据库JAFFE。
国内一流的大学如清华大学、中国科技大学、哈尔滨工业大学、浙江大学等研究单位已经开始了对人脸表情识别的深入研究。同时也有不少的科技公司也开始对这一内容的研究，如百度，Face++等。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
1 绪论 2
1.1 研究背景和意义 2
1.2 国内外现有的学术成果 2
1.3 人脸表情识别难点 3
1.4 本文研究内容及组织结构 3
1.4.1 研究目标 3
1.4.2 组织结构 3
2 人脸表情识别系统介绍 4
3 人脸面部特征提取 4
3.1 特征提取定义 4
3.2 局部二值模式 5
3.2.1 局部二值模式定义 5
3.2.2 局部二值模式原理 5
3.2.3 LBP特征提取实现过程 5
4 人脸表情分类识别 7
4.1 K最近邻分类算法 7
4.1.1 K最近邻分类算法定义 7
4.1.2 K最近邻分类算法原理 7
4.1.3 KNN分类算法实现过程 7
4.2 支持向量机分类算法 8
4.2.1 支持向量机分类算法定义 8
4.2.2 支持向量机分类算法原理 9
4.2.3 SVM分类算法实现过程 9
4.3 极限学习机分类算法 10
4.3.1 极限学习机分类算法定义 10
4.3.2 极限学习机分类算法原理 11
4.3.3 ELM分类算法实现过程 12
5 人脸表情识别系统的实 *好棒文|www.hbsrm.com +Q: ^351916072*
现 13
5.1 人脸表情识别系统设计 13
5.1.1 人脸表情识别系统所用数据集 13
5.1.2 人脸表情识别系统实现步骤 14
5.2 人脸表情识别系统测试实验结果 15
5.3 人脸表情识别系统测试结果分析 18
5.4 人脸表情识别系统的运行 19
5.4.1 人脸表情识别系统运行环境 19
5.4.2 人脸表情识别系统实现过程 19
6 总结 20
致谢 21
参考文献 21
基于人脸图像的表情识别研究
引言
1 绪论
1.1 研究背景和意义
在人类的日常沟通交流中，人们通过语言、语调、动作和表情来表达自己的情感与想法。著名的心理学家Mehrabiadu进行了一项研究，研究表明：当人类表达情感时，通过语言传递的信息占总信息的39%，然而，通过表情传递的信息占总信息的55％[1]。由此可见，在人类沟通过程中，面部表情扮演着重要的角色，是人类传递信息的主要媒介，是进行非语言交流的主要方式。
人脸表情识别（Facial Expression Recognition, FER[1]）是利用计算机对人脸图像上显示的面部表情信息表达的检测，实现了面部表情在计算机上的自动识别。人脸表情识别是人工心理学和人工情绪理论研究的重要组成部分。人脸表情识别所涉及的领域有图像处理分析，计算机视觉，计算机图形学，人工智能，认知科学，心理学和其他科学。深入研究可以不仅促进这些科学的发展和进步，还可以促进人机交流，使机器人更好地理解情绪和人的心理。另外，将面部表情识别应用于医学和其他领域的潜在价值是值得进行深入地研究。
图1 广告受众看着大屏幕所显示的表情 图2 汽车安全系统中监测的驾驶员表情
具体的应用有：在销售行业内，人脸表情识别可以应用于广告中。在公共场所大屏幕上通过对广告受众们的表情进行捕捉并且分析，即时监测广告受众们的表情，来分析广告效果，为广告营销提供科学依据。在商店中，店主可以通过实时监控，经过面部表情识别并分析，来判断分析顾客对商店中产品的喜爱程度，以及商品受欢迎程度，经过合理的营销技巧，提高顾客购买率。大屏幕如图1所示。
在交通中，在车上的安全驾驶系统中安装实时的人脸表情监测系统，监测驾驶员的表情变化，以防止疲劳驾驶。一旦有疲倦、恼怒等表情显示，汽车会发出警报，提醒驾驶员及时休息，或者会做出相应的安全措施，从而降低交通事故的发生概率。监测图像如图2所示。
1.2 国内外现有的学术成果
按照权威数据显示，有关人脸表情识别的相关研究可以追溯到十九世纪。1872年，著名生物学家达尔文[1]通过观察发现人类与哺乳动物之间的脸部信息与内心表达，找到面部表情并不会因为种族，性别和年龄差异而变化。一九七一年，美国心理学家埃克曼[2]和弗里森[2]确定了六个基本表情：高兴，悲伤，惊讶，愤怒，厌恶，恐惧。在七年以后，他们的面部表情编码（FACS）的系统开发初见成效，用来检测面部表情的微妙变化。该软件使用四十四个运动运动活动单位（AU）来描述面部运动。这些表达活动单位表明面部肌肉运动与表情一一的罗列关系。 FACS系统的六个基本面部表情和建议是一个参考点。目前，大多数面部识别系统和数据组识别六个基本面部表情。同时，现有创建的面部模型主要在FACS的理论基础之上。
发达国家如美，英，法，德领先一步，发展中国家如中国，印度等也紧随其后。例如，国外MIT，CMU，斯坦福大学，东京ATR研究所和美国国家科学院，清华大学科学院与中国科技大学，哈尔滨工业大学，南京大学等都有专门从事的人员和机构。
许多美国科研机构如卡内基梅隆大学（CNU），麻省理工学院（MIT）和加州大学洛杉矶分校（UCLA）在识别面部表情有着深入的研究。这些大学进行研究并已经建立了两种模型，分为基于二维图像和基于三维头部模型的表情识别。日本的研究机构也较早地开展了人脸表情识别的研究，如日本的ATR科学研究实验室所研究出的人脸表情数据库JAFFE。
国内一流的大学如清华大学、中国科技大学、哈尔滨工业大学、浙江大学等研究单位已经开始了对人脸表情识别的深入研究。同时也有不少的科技公司也开始对这一内容的研究，如百度，Face++等。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1674.html
