预览加载中,请您耐心等待几秒...
1/2
2/2

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

基于局部纹理特征和HMM的人脸表情识别研究的开题报告 摘要: 人脸表情识别是计算机视觉领域的重要研究方向之一。本文提出了一种基于局部纹理特征和HMM的人脸表情识别方法。首先,对人脸进行特征点定位和局部纹理特征提取。然后,利用HMM对不同表情进行建模和识别。实验结果表明,本文提出的方法比传统方法有更高的表情识别准确率。 关键词:人脸表情识别;局部纹理特征;HMM;特征点定位 一、研究背景和意义 人类表情是人类交流的一种非语言形式,能够传递人类心理状态和情感信息。因此,在计算机视觉领域,人脸表情识别一直是一个被广泛研究的话题。人脸表情识别在情感计算、社交网络、虚拟现实等领域都有广泛的应用。 传统的人脸表情识别方法主要基于人脸的形状和灰度特征。但是,人脸表情的变化主要包括面部纹理的变化,而不是形状和灰度的变化。因此,基于局部纹理特征的人脸表情识别方法被广泛研究。如基于LBP、SIFT等特征的方法,这些方法利用了图像局部纹理的不变性和局部描述符的稳定性,取得了不错的表情识别效果。 二、研究内容和方法 本文提出了一种基于局部纹理特征和HMM的人脸表情识别方法。该方法主要分为特征点定位、局部纹理特征提取和表情建模与识别三个过程。 1.特征点定位 首先,使用Viola-Jones算法对人脸进行检测和定位,在检测到人脸后使用AAM算法对人脸进行特征点的定位,这些特征点包括嘴角、眼角、眉毛等位置。 2.局部纹理特征提取 在人脸的每一个特征点处,提取局部纹理特征。本文采用LBP算法提取局部纹理特征,LBP算法利用图像中像素点周围的像素值来生成该像素点的LBP特征值。通过计算不同的LBP值的出现频率来获得局部纹理特征向量。 3.表情建模与识别 在特征点的局部纹理特征向量上分别建立各自的表情HMM模型。当新的面部图像输入时,根据当前面部图像的特征点情况,选择与之对应的表情HMM模型,然后对选中的HMM模型进行识别,得到该图像的表情类别。 三、预期成果和研究意义 本文的预期成果是一种基于局部纹理特征和HMM的人脸表情识别方法。与传统方法相比,本文提出的方法可以更好地捕捉人脸表情的纹理特征,并利用HMM模型建立表情模型和识别。实验结果表明,该方法具有更高的表情识别准确率。 该研究意义在于,将HMM模型引入到人脸表情识别领域,并结合局部纹理特征进行建模与识别。同时,该方法也可以为情感计算、社交网络、虚拟现实等领域的应用提供帮助。