基于谱聚类的表情识别研究

表情是人类交流中传递信息的主要媒介。表情识别是智能、和谐、自然人机交互的关键技术。表情识别在计算机视觉、编码、建模研究，生理学及心理学研究，行为科学、情感计算研究中都有重要的理论意义。表情识别及合成在广播电视、监控系统、信息安全及游戏娱乐等领域也有重要应用价值。但在统一性特征提取、识别的鲁棒性、人脸表情描述精细度及识别率方面仍存在很多亟待解决的问题。谱聚类是新近提出的一种聚类算法，虽然在有些应用中取得了一些令人瞩目的成功,但仍有大量没有解决的问题，目前国内外的文献相对较少，特别是在表情识别中的应用尚不多见,但却有潜在的优势。本课题主要研究基于谱聚类的表情识别方法，重点研究具有统一性的人脸表情不变性特征提取算法;表情识别中的谱聚类参数自动调整方法；表情识别的谱聚类简化算法等。使表情识别在鲁棒性及识别率方面有较大的提高,同时建立基础研究平台,为理论及应用研究创造条件。