摘 要

人脸表情视觉识别的相关研究进展对于提高人工的情感视觉智能的水平和探索现代人类的情感及其认知视觉识别能力的发展极具重要和科学的意义,并将有助于促进其相关信息技术学科的产业化和发展。人脸识别在国家安防,公民安全以及其他社会经济领域都的研究具有非常广阔的应用前景及研究价值。本文从基于人脸的表情识别数据库、表情特征提取、表情识别的分类方法等各方面对公民安全人脸表情识别的基础研究及现状问题进行了分析,并针对目前现有的线性子空间成分分析算法的优缺点和不足在采用自主的子空间成分分析法的基础上重新引入了核心分析方法,进行了改进。

论文主要是研究和分析了目前人脸表情信息识别常用的几种子空间的分析方法:主独立成分判别分析法,线性子空间判别分析法,独立核主成分判别分析法这三种常用的线性子空间分析方法以及在线性核主独立成分判别分析法和独立核主成分判别分析法的理论基础上分别提出了引入独立核主成分方法得到的线性核主独立成分判别分析法,核独立成分判别分析法,并对各种主成分算法的性能优缺点分别加以了描述,最后针对独立核主成分判别分析法以及核独立成分判别分析法两种算法分别利用matlab分别进行了实验,通过实验分析结果比较加以了论证。

研究结果表明KICA算法比ICA算法有更高的识别率,但耗时较长,希望日后加以改进缩短识别时间。

关键词： 人脸表情识别；特征提取；独立成分分析法；核方法

Abstract

The progress of facial expression recognition is of great scientific significance for improving the level of artificial emotional intelligence and exploring human emotions and cognitive abilities, and will promote the development of related disciplines.Face recognition has very broad prospects and value in the fields of national security, citizen safety and economy.This paper analyzes the research status of facial expression recognition from the facial expression database, facial expression extraction, facial expression classification methods, etc.In order to improve the existing linear subspace algorithm, the kernel method is introduced based on the principal component analysis method.

The thesis mainly studies and analyzes several subspace analysis methods commonly used in facial expression recognition: principal component analysis, linear discriminant analysis, and independent component analysis. These three linear subspace methods，and based on the principal component analysis method and the independent component analysis method, the nuclear principal component analysis method and the nuclear independent component analysis method, which are obtained by introducing the nuclear method respectively,And describe the advantages and disadvantages of various algorithms,Finally, the two algorithms of independent component analysis and nuclear independent component analysis are used to conduct experiments with matlab.Demonstrate through comparison of experimental results.

The research results show that the KICA algorithm has a higher recognition rate than the ICA algorithm, but it takes a long time. I hope to improve it in the future to shorten the recognition time.

Key Words: Facial expression recognition；Feature extraction；Independent component analysis；Nuclear method

目录

第一章 绪论 1

1.1引言 1

1.2人脸识别的研究背景及意义 1

1.3人脸识别的难点 1

1.4论文的主要工作 2

1.5本文内容安排 2

第二章 人脸识别技术知识预备 4

2.1模式识别 4

2.2特征提取 4

2.3模式识别方法 4

2.4人脸识别技术 6

第三章 子空间分析方法 7

3.1 引言 7

3.2 线行子空间方法 7

3.3 基于核技术的非线性子空间方法 10

第四章 KICA实验结果与分析 14

4.1 实验结果与分析 14

4.2 本章小结 16

第五章 总结与展望 17

5.1 研究总结 17

5.2 未来工作和展望 18

参考文献 19

致谢 20

第一章 绪论

1.1引言

人脸识别相关技术是一种近年来在世界上发展迅速的一种生物特征图像识别相关技术。它的功能和作用主要是对出现在图像中的人脸进行生物特征分析,识别出其所需要的有用的人脸特征和信息。由于其识别技术具有良好的直观性,隐蔽性,简易性等特点,并且使用者还能直接得到其它与生物特征识别相关技术(如指纹、虹膜、掌纹等)很难直接获取的相关数据和信息。因此,其发展和应用的前景与其商业价值无法进行准确估计。该技术是目前国内在人工智能、模式识别和图像大数据处理等相关技术领域内最具规模和吸引力的相关技术研究课题之一[^[1]]。但是,由于图像中的人脸很复杂并且本身具有非刚体性,会直接受到光照强度的影响发生变化,不同的表情,拍摄角度,尤其是还有化妆以及对配饰的遮掩等种种客观因素的直接影响,由于这些种种因素,导致了人脸识别相关技术的发展起步道路还很漫长。

1.2人脸识别的研究背景及意义