微笑识别技术论文matlab,视频中的微笑状态检测方法研究

内容简介：

视频中的微笑状态检测方法研究，毕业论文，共52页，17739字，附任务书、开题报告、外文翻译、中期检查表、答辩文稿等等。

摘 要

近年来，随着信息时代的发展，智能识别技术发展迅速，基于视觉机器所传达的视频信息也趋于智能化。在机器视觉中，人脸面部表情往往能传达出非语言所能传递的信息，而且对微笑的有效检测能够推动表情识别的发展。

本文的微笑状态检测是在表情识别的基础上进行的，所围绕的系统框架主要由视频图像读取、人脸检测、图像预处理、特征提取和微笑与非微笑分类五部分构成。第一步是通过视频读取图像序列，再通过YCbCr颜色空间进行肤色提取，检测并定位出人脸；第二步是对提取的人脸图像进行归一化预处理，消除图像中的干扰因素，然后在预处理后的人脸区域基础上检测并定位嘴部区域；第三步是基于嘴部区域进行Harris角点检测，得到嘴角高度坐标Yavg；第四步是对多幅人脸表情图像进行训练，得到全部图像的人脸嘴角高度坐标平均值Pavg；最后一步是通过比较Yavg和Pavg，对输入图像序列进行分类，得到微笑与非微笑两种状态。

通过本研究，最终得到了比较好的微笑状态检测效果。总体上，该方法检测速度较快，检测的准确度比较好，但是还有待于提升。

关键词：机器视觉，肤色模型，Harris角点检测，微笑检测

目 录

第1章 绪论1

1.1 引言1

1.2 研究背景及意义1

1.3 国内外研究现状2

1.4 主要工作及论文结构4

第2章 人脸表情检测方法论述6

2.1人脸图像读取与人脸检测6

2.1.1基于Haar-Adaboost的人脸检测7

2.1.2基于肤色模型的人脸检测7

2.2 人脸图像预处理8

2.2.1直方图均衡化9

2.2.2尺度归一化与灰度归一化9

2.2.3 平滑与锐化10

2.3 人脸表情特征提取10

2.3.1 基于局部二元模式(LBP)的特征提取10

2.3.2基于方向梯度直方图(HOG)算子的特征提取11

2.3.3 基于主成分分析(PCA)的特征提取11

2.3.4 基于角点检测的特征提取12

2.4 人脸表情分类13

2.4.1 基于人工神经网络(ANN)的分类方法14

2.4.2 基于支持向量机(SVM)的分类方法14

2.4.3基于极端学习机(ELM)的分类方法14

2.5 本章小结15

第3章 微笑状态检测算法16

3.1 图像读取与人脸检测16

3.1.1 色彩空间选择16

3.1.2 肤色分割16

3.1.3 人脸分割17

3.2人脸图像预处理18

3.3 人脸微笑特征提取18

3.3.1 嘴部检测及定位19

3.3.2 嘴部特征提取20

3.4 人脸微笑状态分类22

3.4.1 训练23

3.4.2 测试23

3.4.3 分类24

3.5 本章小结24

第4章 Matlab实现与结果分析25

4.1 视频图像读取与保存25

4.2 人脸检测26

4.2.1 肤色分割26

4.2.2 人脸分割28

4.3 人脸表情图像预处理28

4.3.1 尺度归一化28

4.3.2 直方图均衡化29

4.4 微笑特征提取30

4.4.1 嘴部检测与定位30

4.4.2 嘴部微笑特征提取32

4.5 微笑状态分类34

4.5.1 训练34

4.5.2 测试35

4.5.3 分类37

4.6 本章小结39

第5章 总结与展望40

5.1 本课题工作小结40

5.2 展望41

致谢42

参考文献43

相关说明：

1、下载本站部分资料，需要注册成为本站会员。如果你尚未注册或登录，请首先注册或登录。

2、48小时内下载同一文件，不重复扣金币。

3、下载后请用WinRAR或WinZIP解压缩后使用。

4、如采用迅雷等下载工具下载失败，请直接用浏览器下载。

5、如仍有其他下载问题，请看常见问题解答。

下载地址：