基于Gabor特征和Adaboost的人脸表情识别

为了改善人脸表情的识别率,提高分类器的性能,通过提取人脸表情图像的Gabor特征,再结合Adaboost算法,从而进行人脸表情的识别（Facial expression recognition,FER）。利用Gabor滤波器是人脸表情特征提取的一个重要手段,Adaboost算法则将一系列的弱分类器组合,最终生成一个强分类器。对表情识别这个多类识别问题,采取1：1的办法来解决,总共产生k（k-1）/2（k为总类别数）个强分类器,将多个强分类器进行级联实现人脸表情的多类分类。实验结果表明,相对于其他识别方法如MVBoost算法等,这种方法的识别准确率有很大的提高。     

基于Gabor小波的2D人脸表情的合成

人脸图像合成是新一代人机交互中的重要技术。传统的三维模型加生理模型的方法可以生成真实的人脸表情图像,但计算复杂度很高。文章提出一种基于Gabor小波的用于人脸逼真表情图像合成的新方法,利用Gabor小波变换滤波器提取人脸表情图像特征,生成逼真表情图像。从实验结果来看该方法可以仅利用1张训练集内、外的人脸图像合成出该人在不同表情下逼真的脸部表情图像,同时可以合成库内的人在新表情下的表情图像。     

基于Gabor小波与FastICA的人脸表情特征提取方法研究

目前社会上习惯将人脸表情细分成7种基本表情,而对于现有7种基本表情的识别效果却还有待提升。目前人脸表情的识别率普遍不高的原因主要是由于特征提取方法不佳,导致后续识别分类器无法达到预想效果。为此,文中提出了一种新的人表表情特征提取方法,该方法结合Gabor小波提取表情海量信息,然后通过FastICA将海量信息降维,得到最优信息,并通过HMM方法验证表情特征提取的有效性。实验结果表明,该方法能有效保证特征信息的有效性。     

基于DVF与Gabor小波的人脸表情特征提取方法研究

目前,人脸表情的识别率普遍不高,这主要受制于缺少有效提取表情特征的特征提取方法及对表情特征进行有效数据分析的识别方法,而作为基础的表情特征提取方法至关重要。为了提升人脸表情的识别率,文中提出了一种新的人脸表情特征提取方法。该方法结合DVF及Gabor小波提取人脸表情特征信息,并通过欧式距离方法验证表情特征提取的有效性。实验结果表明,该方法能有效保证特征信息的有效性。     

基于Gabor小波＋PCA＋LDA特征提取方法的人脸表情识别

目前,人脸表情的整体识别率普遍不高,严重制约了它的实际应用。为了解决这一问题,提出了一种新的人脸表情识别方法。该方法采用Gabor小波＋PCA＋LDA的方法提取特征,并结合HMM模型进行识别分类。在JAFFE表情数据库中进行实验,获得了92．14％的整体识别率。理论分析和实验结果表明,该方法与其它方法相比具有更好的整体泛化性能和更高的整体识别率。     

一种基于移动机器人视觉的服务目标人确认算法

本文提出一种基于移动机器人视觉的服务目标人的确认算法.首先提出采用基于标准混和高斯模型与人眼特征相结合的方法检测人脸,提高了光线不均情况下人脸的检测率;在检测到人脸的基础上,再采用基于Gabor特征变换法的HMM人脸识别方法确认指定的服务目标,采用几何标准化方法将检测到的目标人脸进行标准化处理,然后对检测到的每个人脸分块并提取其Gabor、特征,建立HMM模型.通过大量的实验验证了目标人寻找方法不仅对本实验室采集的人脸库有较好的识别效果,而且在线实时验证也取得较好的效果.     

自适应分数阶微分在面部图像处理中的应用

针对三维人脸表情识别过程中,皱纹等纹理特征会影响表情识别的精度。为了消除这类纹理特征的干扰,需要先确定皱纹的位置。因此,提出了一种基于自适应分数阶微分掩模的皱纹检测方法来定位皱纹的位置。该方法利用皱纹的纹理方向信息,构建自相关微分掩模区域,并使用皱纹图像的梯度、信息熵和对比度信息来改进分数阶微分掩模算子,对人脸皱纹进行纹理方向上的自适应增强。然后结合Gabor滤波器来提取皱纹曲线位置,再根据定义的误判原则剔除光照、皮肤色斑等误识别特征。实验结果表明,提出的方法能自适应增强皱纹深浅不一的面部图像,提升了对浅皱纹的检测率,同时借助误识别过滤规则,提高了皱纹位置检测的精度和鲁棒性。     

具有面部表情识别与再现的机器人头部系统的研制

研制出具有对人类表情识别和表情再现机能的仿人机器人头部系统,该系统由仿人机器头部本体、图像采集设备、表情及面部器官控制系统、表情识别系统等部分组成;该系统从图像采集装置获得人类表情图像,然后采用SVMs和ASM结合的方法进行视频序列的人脸表情识别,设计了眼球、眼睑、下颚等面部器官和面部表情机构及驱动系统对机器人面部皮肤和头部器官进行运动控制,并根据识别结果,可实现七种不同特征的面部表情的再现。     

基于改进差分AAM和K-SVM的人脸表情识别

主动外观模型(Active Appearance Model)是一种通过提取和结合人脸的形状和外观模型特征的有效地人脸表情特征提取方法.在与其他的AAM拟合算法对比中,反向合成算法具有快速和高效的特点.但在遇到不同光照影响和线性不可分时,反向合成算法的拟合效果会变差.于是,提出了一种基于差分AAM特征和核支持向量机的人脸表情识别方法,并在JAFFE人脸表情数据库上进行了相关实验.实验结果表明,该方法能够较好地去除光照干扰的影响和解决非线性识别问题,并得到鲁棒的识别效果.     

融合特征的神经网络在三维人脸识别中的应用

针对三维人脸特征表示问题,提出了一种三维人脸轮廓曲线特征与二维Gabor小波特征相融合的人脸特征表示新方法。基于这种新的融合特征,利用模糊自适应共振神经网络(Fuzzy ARTMAP)进行有监督的学习训练,并构建三维人脸识别分类器实现人脸识别。利用模糊自适应共振神经网络分类器的增量学习能力,可以很好地解决随着训练模型增加导致识别系统识别率降低的问题。所提出的方法在FRGC v2.0三维人脸数据库上,对人脸表情变化进行了实验。结果表明具有一定的鲁棒性,识别率高,且随着新增人脸数量的增长可以提高准确率。     

具有视觉及面部表情的仿人头像机器人系统设计与研制

设计并研制了具有面部表情和对人类表情识别机能的仿人头像机器人系统.该机器人具有弹性面部皮肤机构,能够实现从CCD图像采集装置获得人类的自然、开心、生气、悲伤、惊讶、厌恶等表情图像,然后进行表情识别,并根据识别结果,对机器人面部皮肤和头部器官进行运动控制再现表情;提出了用于实现机器人表情再现控制的表情特征点偏移量及偏移系数概念和计算方法,解决了图像不同比例、人与机器人面部差异情况下机器人表情再现控制问题;实验结果表明,该机器人能够逼真地再现出所识别的人类6种基本表情.     

A face robot actuated with artificial muscle based on dielectric elastomer

Face robots capable of expressing their emotional status, can be adopted as an efficient tool for friendly communication between the human and the machine In this paper, we present a face robot actuated with artificial muscle based on dielectric elastomer By exploiting the properties of dielectric elastomer, it is possible to actuate the covering skin, eyes as well as provide human-like expressivity without employing complicated mechanisms The robot is driven by seven actuator modules such eye, eyebrow, eyelid, brow, cheek, jaw and neck module corresponding to movements of facial muscles Although they are only part of the whole set of facial motions, our approach is sufficient to generate six fundamental facial expressions such as surprise, fear, angry, disgust, sadness, and happiness In the robot, each module communicates with the others via CAN communication protocol and according to the desired emotional expressions, the facial motions are generated by combining the motions of each actuator module A prototype of the robot has been developed and several experiments have been conducted to validate its feasibility     

轮腿式机器人步态生成的拓扑矩阵方法

为实现机器人在核电救灾等非结构化环境中的步态规划和自适应行走,以六足轮腿式机器人为研究对象提出基于当前地形的机器人自适应在线生成步态的规划策略,通过全局地形环境中机器人对前进方向局部地形的实时识别,确定其基本地形类型,产生相应的基本步态,动态生成机器人的步态序列。定义机器人触地状态及其列矢量表达,给出机器人步态因子的分类及其拓扑矩阵;定义基本地形及相应的基本步态,给出基本步态的拓扑矩阵;在此基础上,提出基于地形识别的步态拓扑规划策略和步态拓扑矩阵生成流程,通过矩阵递推算法实现机器人步态拓扑的动态生成。     

基于AAM的人脸痛苦表情分析与识别

现阶段的人脸表情识别多围绕着6种基本表情展开,在其基础上的对人脸痛苦表情的研究在医学、交通领域很有意义。本文借鉴基本面部表情识别方法,建立主动外观模型（AAM）提取面部表情特征,采用几何归一化方法对AAM搜索过程进行优化,缩短了搜索时间,提高了搜索的准确率。分类部分采用支持向量机（SVM）设计痛苦与平静、痛苦与高兴、痛苦与疲劳的表情分类器,并对因采用不同核函数造成的支持向量机分类结果进行了讨论与分析。实验结果表明,RBF核函数具有最好的分类效果。     

基于Gabor特征和遮挡字典的带遮挡人耳识别

通过引入遮挡字典来编码图像受遮挡部分,稀疏表示分类方法在带有遮挡情况下的人耳识别中能够取得较好的识别性能。然而,常规的利用单位阵作为遮挡字典的方法会对稀疏模型求解带来很大的计算量。提出了一种基于Gabor特征和Gabor遮挡字典的稀疏表示分类方法。利用图像的Gabor特征构造无遮挡字典,因为这种局部特征在姿态变化或遮挡情况下具有一定的鲁棒性。通过学习算法计算出比单位阵遮挡字典更为合理的Gabor遮挡字典,使得图像中被遮挡部分在遮挡字典上的稀疏编码具有更大的稀疏度。在两个人耳图像库上的实验结果表明,相比已有的基于稀疏表示的人耳识别方法,该方法在遮挡情况下能够取得更好的识别效果;对真实环境中存在头发遮挡的人耳识别,也能够取得较好的识别性能。     

基于Gabor小波的TOFD图像缺陷识别研究

针对运用超声衍射时差法（TOFD）法对焊缝进行检测时,图像缺陷人工定性主要受检验人员经验和专业知识影响缺乏可靠性的问题,提出了一种TOFD图像缺陷自动定性的方法.该方法首先提取TOFD缺陷图像的Gabor小波特征,并依据这些特征,采用主成分分析技术（PCA）对Gabor特征进行降维,然后采用Fisher线性判别分析方法对其进行了判别分析,最后完成了缺陷的自动定性分析;同时,建立了一个实际系统,并在测试样本上进行了试验验证,试验在109幅人工试块缺陷及自然缺陷训练样本及25幅测试样本中进行,采用Gabor小波特征及原始图像像素特征所构建的缺陷分类器识别率比较.研究结果表明,基于Gabor小波特征的缺陷识别方法识别率达到72％,比原始图像特征的缺陷识别方法更优.     

基于并行结构的Gabor小波神经网络算法及应用

给出了一种基于并行结构的Gabor小波神经网络算法。根据多CPU系统的并行结构和神经网络本身并行性的特点,设计了用于图象目标识别的Gabor小波神经网络算法,算法的输入层包括Gabor小波尺度、平移和频率调制参数的运算;隐层是在并行CPU中实现神经网络算法及优化;输出层是Gabor小波神经网络的分类结果。对4类飞机图像目标进行了仿真实验,识别率达到98％以上,识别时间为40 ms。