摘要：人脸识别是一项热门的计算机技术研究领域，它属于人工智能应用的一个方面，是一种生物特征识别技术。人脸检测是人脸识别中的一个重要环节，主流的人脸检测方法就是基于各种人脸特征采用AdaBoost算法。

针对人脸图像的特征提取和多分类问题进行深入研究，基于提取的两种人脸特征使用AdaBoost算法对被检测图像中所有的人脸进行7种基本表情的判定。首先对一张输入的人脸图像进行灰度化，然后分别提取该图像的局部二值模式（Local Binary Patterns，简称LBP）特征与哈尔（Haar-like）特征，利用AdaBoost算法实现对人脸的多表情分类。

针对人脸的多表情分类，使用结合LBP特征与Haar-like特征的AdaBoost算法设计并实现人脸图像表情识别系统，其识别准确率可达到94%，且在多人脸图像上识别效果较稳定。

关键词：AdaBoost算法；人脸多分类；局部二值模式特征； 哈尔特征

目录

摘要

ABSTRACT

第一章  前言-1

1.1 研究背景及意义-1

1.2 人脸识别技术研究现状-1

1.2.1 人脸识别数据集-2

1.2.2 人脸识别的应用-2

1.3 人脸识别目前存在的问题-2

1.4本章小结-2

第二章  人脸表情识别分类算法-3

2.1 人脸表情识别-3

2.1.1 表情识别简介-3

2.1.2 基本步骤-3

2.2 常用人脸识别分类算法-3

2.2.1 决策树算法-3

2.2.2 支持向量机算法-4

2.2.3 AdaBoost算法-4

2.3 人脸识别算法的评价标准-4

2.4 本章小结-6

第三章  AdaBoost算法-7

3.1 AdaBoost算法原理-7

3.1.1 AdaBoost算法的发展与描述-7

3.1.2 AdaBoost算法的原理与特点-7

3.2 人脸特征-8

3.2.1 Haar-like特征-8

3.2.2 LBP特征-10

3.3 AdaBoost算法训练过程-11

3.3.1 准备数据-11

3.3.2 提取人脸特征-12

3.3.3 训练算法-12

3.3.4 测试算法-14

3.3.5 解决多分类问题-14

3.4 本章小结-15

第四章  人脸智能识别系统的设计与实现-16

4.1 开发平台和系统介绍-16

4.1.1 开发平台-16

4.1.2 系统介绍-16

4.2 人脸智能识别系统具体实现-19

4.2.1 AdaBoost算法实现-19

4.2.2 SVM算法实现-21

4.2.3 局部二值模式直方图算法实现-22

4.3 本章小结-22

第五章  实验结果与分析-23

5.1 算法性能-23

5.1.1 测试报告-23

5.1.2 表情识别具体应用-24

5.2 系统测试结果与分析-28

5.3 本章小结-28

第六章  总结与展望-29

参考文献-30

致  谢-32

附  录-33