基于模糊支持向量机与压缩感知的人脸表情识别研究任务书.docx

基于模糊支持向量机与压缩感知的人脸表情识别研究任务书
任务书
一、研究背景与意义
人脸表情识别是计算机视觉领域中的一个重要方向，其研究意义在于实现智能化人机交互、人类与计算机自然交互等方面的应用。目前，许多人脸表情识别任务仍然困难，如在面对不同光照、面部遮挡、低分辨率等因素时，传统的表情识别方法精度会大幅下降，因此需要新的算法方法来解决这些问题。
基于模糊支持向量机与压缩感知的人脸表情识别研究，旨在通过模糊支持向量机和压缩感知这两种新的算法方法，对人脸表情进行识别，提高表情识别的精度。模糊支持向量机是一种相对较新的算法，解决了传统支持向量机无法处理的模糊信息问题。压缩感知是一种通过利用信号稀疏性来压缩数据的方法，在计算机视觉领域取得了一定的应用。本研究将这两种算法结合，提出了模糊支持向量机与压缩感知相结合的人脸表情识别方法，以极大地提高表情识别的准确性和稳定性。
二、研究任务
本研究的任务主要分为以下三个方面：
1.深入学习基于模糊支持向量机与压缩感知的人脸表情识别方法，研究其理论和应用特点，挖掘其改进优化的空间。
2.基于现有的人脸表情识别数据库，包括Jaffe、CK+等数据库，采集和预处理适合于基于模糊支持向量机与压缩感知的人脸表情识别算法的样本，包括图像灰度等方面的处理。
3.实现并评估基于模糊支持向量机与压缩感知的人脸表情识别算法，对精度、鲁棒性、时间复杂度等进行评估，与传统的人脸表情识别算法进行对比，验证所提出算法的有效性和优越性。
三、研究内容
1.介绍研究现状，了解国内外人脸表情识别领域的最新进展，分析已有人脸表情识别算法存在的问题，并提出解决思路。
2.研究模糊支持向量机在人脸表情识别中的应用，重点探究模糊信息在支持向量机中的表示和处理方式。
3.研究基于压缩感知的人脸表情识别方法，重点探究如何利用信号稀疏性来压缩数据、减小数据维度，提高表情识别的速度和准确性。
4.利用公开的人脸表情识别数据库，例如Jaffe、CK+等数据库，从中提取样本数据并进行预处理，包括图像灰度处理、特征提取等。
5.基于模糊支持向量机与压缩感知，实现人脸表情识别算法，并对其在不同数据库上的性能进行评估，比较与传统方法的差异，进一步优化算法并分析算法性能。
四、研究计划和进度安排
1.第一周：熟悉研究方向及状态，了解现有人脸表情识别算法及其局限性，收集相关文献。
2.第二周：研究模糊支持向量机的原理与方法，着重探究模糊信息在支持向量机中的表示和处理方式，分析其在人脸表情识别中的应用。
3.第三至四周：研究压缩感知的原理与方法，研究如何利用信号稀疏性来压缩数据、减小数据维度，分析其在人脸表情识别中的应用。
4.第五至六周：采集和预处理适合于基于模糊支持向量机与压缩感知的人脸表情识别算法的样本，包括图像灰度等方面的处理。
5.第七周：实现基于模糊支持向量机与压缩感知的人脸表情识别算法，并对其在不同数据库上的性能进行评估，比较与传统方法的差异。
6.第八至九周：根据实验结果，对算法进行改进和优化，并分析不同参数对算法的影响。
7.第十周：整理论文并进行检查。
五、参考文献
[1]XuCL,LinQ,etal.Asurveyonvisualemotionrecognition[J].Neurocomputing,vol.174,pp.87-98,2016.
[2]ChenX,PengS,etal.Emotionrecognitionusingfaciallandmarks,Python,DLibandOpenCV[J].JournalofImagingScienceandTechnology,vol.61,pp.60320-1-9,2017.
[3]ZhangXM,ZhangB,ZhangY,etal.FacialexpressionrecognitionbasedonimprovedkernelPLSalgorithm[J].Optik，vol.149,2017.
[4]GaoL,WangC,WangH,etal.Facialexpressionrecognitionusingmanifoldregularizedextremelearningmachine[J].Neurocomputing,vol.214,pp.1-10,2016.
[5]WangZ,JiangXY,etal.Acompressedsensingframeworkfordatafusion-basedmultimodalemotionrecognition[J].DataFusioninInformationRetrieval,vol.59,pp.203-221,2018.