• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    人臉情緒特征表達與識別的研究

    2019-03-07 05:22:46林銳
    電腦知識與技術(shù) 2019年36期

    摘要:隨著人工智能近年來的高速發(fā)展,智能技術(shù)已經(jīng)逐漸走入人們的日常生活,但人們在人機交互上深入研究卻從未停止。本文主要針對當今流行的情緒識別方法,綜述了情緒的定義,同時也闡述了算法具體的實現(xiàn)。將所涉及的內(nèi)容從原理到應用逐個精講,也探討了現(xiàn)如今情緒識別研究可能潛在的問題,也為今后的更深入的研究打下了基礎。

    關(guān)鍵詞:情緒識別;情感交互;人臉定位

    中圖分類號:TP311 文獻標識碼:A

    文章編號:1009-3044(2019)36-0193-02

    1概述

    計算機在人類的需求中應運而生,隨著時代的進步,計算機的功能和操作逐漸多樣化,但人們并不僅僅滿足于鼠標鍵盤等這類物理介質(zhì),對計算機進行控制和交流,更多地渴望計算機能主動感知用戶的情緒,并根據(jù)用戶實時的反饋,來進行自身的運作,從而促進人機間交互的更好發(fā)展。近年來,隨著人工智能的發(fā)展,情緒識別也逐漸走人大眾的視野中。

    情緒是人類在意識與認知上給外部事物發(fā)出的一種態(tài)度,是其在現(xiàn)實世界的事物與主體需要聯(lián)系上的一種反應,它是針對個體主觀希望與需求做中介的心理表現(xiàn)。其中表情經(jīng)常作為情緒傳遞的主要載體和工具,因此通過對表情的分析,能使計算機更好地感知到用戶的情緒。

    情緒識別是一門結(jié)合心理學、生理學、計算機視覺以及情感計算的交叉課題,有著廣泛的研究前景。

    2 LBP特征算法進行人臉定位

    2.1 LBP模型概念

    最初的LBP算子是指在一個3*3框架里面,以框架中心位置的像素作為閾值,把鄰近八個像素灰度數(shù)據(jù)和該中心位置做對比,如果其像素數(shù)據(jù)高于中心像素數(shù)據(jù),那么這個像素點位置就做記號l,反之記號0。如此,這個3*3框架里面邊上這八點通過對比就能得到8位的二進制數(shù)據(jù)(一般轉(zhuǎn)變成十進制的數(shù)據(jù)就是LBP碼,其總共有256個),這樣產(chǎn)生框架內(nèi)中心位置像素點的LBP數(shù)值,再利用該值反映這個區(qū)域內(nèi)的紋理信息數(shù)據(jù)。

    2.2實現(xiàn)過程

    上面提出的LBP算子在各像素點都能夠獲得LBP碼,這樣,針對一幅圖(其記載著各像素點的灰度數(shù)值)取出它的最初LBP算子,然后獲得最初LBP特征的還是一幅圖(其記載著各像素點的LBP數(shù)值)。然后使用其特征譜統(tǒng)計直方圖做特征向量實施分類處理,經(jīng)過把一張圖分成多個區(qū),對每個區(qū)的各像素點實施LBP特征提取,這樣來創(chuàng)建這個子區(qū)里面的統(tǒng)計直方圖實現(xiàn)算法。

    3模式識別

    模式識別的兩大分類原理:1)主成分分析法(PCA);2)SVM分類原理。

    3.1 PCA特征降維操作

    針對數(shù)據(jù)要進行降維處理,一般采用主成分分析(PCA)算法,它是把大量數(shù)量的變量轉(zhuǎn)變成仍然包括在集合里面的主要信息的一部分變量以減少數(shù)據(jù)集的維數(shù),實現(xiàn)降維操作。

    (1)數(shù)據(jù)標準化

    可以采取減去平均值并除以各變量的標準偏差的方法來實現(xiàn)。把全部變量變成統(tǒng)一到范圍[0,1]里面。

    (2)協(xié)方差矩陣操作

    協(xié)方差矩陣為一個pXp的對稱陣,它的變量之間協(xié)方差做矩陣里面的元素。例如,對于具有3個變量x,y和z的三維數(shù)據(jù)集,協(xié)方差矩陣是以下的3x3矩陣:

    由于變量自身的協(xié)方差是方差,所以在其主對角線上,實際上我們可以得到各起始變量的方差數(shù)據(jù)。同時因為協(xié)方差矩陣具有可交換的特點,即該協(xié)方差矩陣關(guān)于主對角線對稱,換言之,矩陣的上、下三角區(qū)域恒等。

    (3)特征向量

    按照上述,求得特征值,再把特征值由大到小來進行排序,如果需要降到K維,那么就取前K個向量做特征向量,記為W。

    W={wl,W2,w,…,Wk}

    (4)樣本集

    對樣本集的每一個樣本Xi,都可以映射成新的樣本Yi,從而得到映射后對應的向量集。

    Yi=WTXi

    3.2 SVM分類

    在樣本集上采用升維的方法,主要是針對線性可分的狀態(tài)進行處理,而線性不可分的狀態(tài),經(jīng)過非線性的映射,在低維情況下輸?shù)娇臻g的線性不可分樣本轉(zhuǎn)換到高維情況下進行處理,進而在高維特征空間使用線性處理的方法。如此,含有非線性特征的樣本,才有可能實現(xiàn)線性處理。由于訓練集樣本數(shù)有限,因此可以尋找到滿足約束條件的超平面,構(gòu)建最優(yōu)解,從而產(chǎn)生全局最優(yōu)的學習器,同時求得全部樣本空間期望風險的概率,達到上界數(shù)值要求。

    3.2.1 SVM應用

    本文通過支持向量機的方式,將處理后得到的不同特征向量送人分類器中,從而輸出具體的表情類。為了便于分析實驗的結(jié)果,圖2中把四種表情作為分類的標準。

    4展望與思考

    以計算機視覺、人工智能和情感計算等新興技術(shù)為研究基礎,借助外置攝像頭讓計算機對人臉進行定位,從而獲取用戶的情緒信息。當然,提取情緒信息最關(guān)鍵的步驟,還是如何精準識別到人臉,本文采用LBP算法進行特征定位,以四種基本情緒為檢測標準,對人的情緒進行判斷,該種方法簡單容易實現(xiàn),但實驗結(jié)果表明,在低維空間下實驗結(jié)果更切合實際情況。下一步的研究重心還是放在對人臉定位算法的優(yōu)化上,提高程序運行時的可容納數(shù)據(jù)量,加強實驗研究結(jié)果的可靠性,同時探索對瞬時表情的捕捉識別方法,增強程序的可用性,讓情緒識別更好地應用到我們的日常生活中去。

    參考文獻:

    [1] David A.Forsyth.Computer Vision:A Modern Approach Sec-ond Edition[M].北京:電子工業(yè)出版社,2012.

    [2]毛峽.人機情感交互[M].北京:科學出版社,2011.

    [3]阮秋琦.數(shù)字圖像處理基礎[M].北京:清華大學出版社,2009.

    [4]劉偉鋒,李樹娟,王延江.人臉表情的LBP特征分析[J].計算機工程與應用,2011(2).

    【通聯(lián)編輯:李雅琪】

    收稿日期:2019-10 -11

    作者簡介:林銳(1999-),男,福建莆田人,本科大三,福州大學。

    漳浦县| 牡丹江市| 蓬安县| 大英县| 大庆市| 保靖县| 宾川县| 武定县| 无极县| 阳原县| 滨州市| 兰州市| 罗源县| 洪洞县| 闽清县| 莒南县| 阿勒泰市| 兴宁市| 抚松县| 梧州市| 绥江县| 宁陕县| 英德市| 德州市| 积石山| 景谷| 应用必备| 霸州市| 鲁山县| 区。| 石狮市| 广汉市| 濉溪县| 包头市| 建昌县| 班戈县| 葵青区| 紫金县| 兴宁市| 老河口市| 金寨县|