8、面部表情识别与聚己内酯支架制造技术研究

面部表情识别与聚己内酯支架制造技术研究

1. 面部表情识别技术

1.1 问题提出

人类能够通过手势和面部表情等非语言方式传达意图和情感，但面部表情识别是一项具有挑战性的任务。光照、姿势和变形等众多因素会增加其复杂性。因此，目标是构建一个基于外观的有效系统，通过检测面部组件和使用HOG特征来解决面部表情识别问题。

1.2 系统概述

系统由三个模块组成：
1. 面部感知与组件提取 ：使用Viola - Jones算法检测面部，检测到面部后，去除疤痕、眼睛、鼻子和嘴巴等部分。根据元素的相对位置移除对象，并扩展可用的眼睛区域。
2. HOG特征 ：与SIFT、Gabor滤波器、局部二值模式（LBP）等模型相比，HOG特征在面部识别中非常有用。其基本组件的形状构成了面部表情，在实验中，将单元格大小设置为8×8，数量设置为9，平移大小设置为0到180。
3. SVM分类器 ：支持向量机（SVM）广泛用于多种风格检测操作。通过提出的特征训练SVM来对面部表情进行分类。SVM构建超平面以区分不同类别，对于输入向量xi，通过计算输入向量之间的连接距离进行分类。在实验中使用LIBSVM。

以下是SVM训练的相关公式：
训练样本表示为：
$D = { (X_i, Y_i) | X_i \in R^n, Y_i \in { -1, 1 } }_{i = 1}^p$
超平面方程为：
$w \cdot x - b = 0$

1.3 实验与结果