- 文献综述（或调研报告）：
使用隐马尔可夫模型也可以进行早期面部表情识别：提取当前帧和中性帧之间的特征点的相对位移作为面部特征。在训练过程中，引入迭代算法来找到早期HMM的分类熵阈值和模型参数。在测试期间，当通过逐渐增加序列长度从早期HMM获得的表达似然的熵低于阈值时，为图像序列分配表达类别。CK 和MMI数据库的实验结果均可表明这种方法的有效性。
最大边界框架用于训练时间事件检测器以识别部分事件，从而实现早期检测。基于结构化输出SVM，但扩展它以适应顺序数据。用于检测面部表情，手势和人类活动的不同复杂度数据集的实验证明了这种方法的好处。为克服现有的距离度量学习方法的局限性，一种用于学习基于内核的邻近函数的在线内核相似性学习框架被研究出，该框架超越了传统的线性距离度量学习方法。在此框架的基础上，提出了一种新的在线多核相似度（OMKS）学习方法，该方法学习了具有多个核的灵活非线性邻近函数，以改善CBIR中的视觉相似性搜索。在各种图像数据集上评估了所提出的CBIR技术，其中令人鼓舞的结果表明OMKS显着优于最先进的技术。
此外，还有一种新颖的winner-take -all (WTA)架构，该架构采用具有非线性树突的神经元和用于训练它的在线无监督结构可塑性规则。此外，为了帮助硬件实现，文献中的网络仅使用二进制突触。所提出的学习规则受到尖峰时间依赖性可塑性的启发，但根据其激活水平对每个树突都有所不同。它通过形成和消除输入和突触之间的连接来训练WTA网络。为了证明所提出的网络和学习规则的性能，使用它来解决随机泊松尖峰时间输入的两类，四类和六类分类。
而针对如何尽早识别面部表情，与寻找提高面部表情识别率的方法形成对比。与传统的面部表情识别不同，由于表达的初始低强度，早期的面部表情识别本质上是困难的。为了克服这个问题，基于RankBoost的新颖的早期识别方法被用于尽可能早地推断输入面部表情序列的面部表情类别。在大多数情况下，面部表情强度从中性到顶部单调增加，并且该观察结果被阐述用于开发早期面部表情识别方法。为了识别微妙的面部表情的最具辨别力的特征，弱的助行者用于根据其时间顺序来学习成对微妙的面部表情特征的时间变化。然后，应用权重传播方法将弱排名者提升为早期识别器。在Cohn-Kanade数据库上进行的实验和使用高速运动捕捉系统构建的定制数据集证明了该方法在早期面部表情识别方面具有很好的表现。
特征提取算法：
1.大量实验表明，LBP特征对于面部表情识别是有效和有效的。进一步构造了增强的LBP，提取出最具鉴别性的LBP特征，并利用支持向量机分类器对增强的LBP特征进行分类，得到了最佳的识别性能。此外，文献中还研究了低分辨率面部表情识别的LBP特征，这是一个关键问题，但在现有的研究中很少涉及。在文献中的实验中，观察到LBP功能在人脸图像的有效低分辨率范围内稳定可靠地执行，并在现实环境中捕获的压缩低分辨率视频序列中产生有前途的性能。
2.基于小波分解和优选的 VLBP特征的表情识别方法首先通过小波分解将原始图像分为几个不同频率的子图像来增强图像信息，然后用VLBP算子对不同频率的子图像运用不同的分块大小提取特征，采用神经网络贡献分析对特征进行选择 ,最后用 SVM分类器进行识别。该方法比单纯从原图像中提取 VLBP特征更加有效，识别率更高，并且 VLBP特征的提取速度快，可用于实时的人脸表情识别。
3.针对人脸在非均匀光照下识别率的降低，有拉普拉斯滤波和离散余弦变换（DCT）融合梯度方向直方图（HOG）人脸识别算法。首先通过拉普拉斯滤波对人脸图像进行处理突出其纹理特征其次进行离散余弦变换（DCT）有效滤除高频分量然后利用离散余弦逆变换（IDCT）重建人脸图像降低其维数最后通过梯度方向直方图（HOG）算子提取人脸图像固有特征并利用最近邻方法进行分类识别。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
