阅读量：

665

作者：

吕惠清

展开

摘要：

人脸识别在近年来取得了很大的进步,很多实用的人脸识别系统已经成功的实现了商业化。但是这并不意味这人脸识别技术已经达到了完美的地步。实际上,依然有很多问题在困扰着人脸识别的进一步发展,这其中人脸的表情识别就是其中的难题之一。自动人脸表情识别(AFER)是近年来发展起来的研究热点,其目的是让计算机等机器辨认出人类特有的情感表现之一——表情。由于人表情的复杂、微妙等特性使得表情识别变得异常的具有挑战与艰巨性。人脸表情识别的一个具体困难就在于人脸的表情数据存在于其高阶数据之中。 独立分量分析算法在处理高阶数据方面有其独到的优势。独立分量分析(Independent Component Analysis)是近年来提出的非常有效的数据分析工具,它主要用来从混合数据中提取出原始的独立信号。最基本的ICA模型假设源信号是线性混合并且是互相独立的。独立分量分析可以用来例如数字图像、文本数据库、以及经济指标数据、心理测量数据等等。 独立分量分析在其拥有高阶数据的处理能力的同时不可避免的带来了运算复杂度的增加,本为了适应人脸识别系统对实时性的要求,本文将采取一种快速ICA算法(FastICA),并将在此基础上对其作进一步的改进,以保证系统对实时性的要求。

展开

关键词：

人脸表情识别；快速独立分量分析；改进快速独立分量分析；特征提取

学位级别：

硕士

DOI：

10.7666/d.y1225523

被引量：

8