论文部分内容阅读
近年来对新生儿疼痛的研究在世界上引起了广泛的关注。由于新生儿无法对疼痛进行自我表述，因此提出了各种不同的人工评估方法。其中，面部表情是所有评估工具都采用的一项测评指标，而且在新生儿面部编码系统(NFCS)中还作为单一的测评指标。但是，人工评估容易受到医护人员的经验和主观因素影响，因此，开发一种客观、快速、有效的基于面部表情的自动评估系统具有非常现实的意义。而面部表情的特征提取是该系统的核心，其有效性直接影响到系统的性能。
本文综合比较了目前各种面部表情特征提取方法的优缺点，提出了一种Gabor小波变换和Adaboost算法相结合的特征提取和选择方法。主要完成了以下研究工作：(1)建立了一个包含350幅四类不同表情(安静、哭、轻度疼痛和重度疼痛)的新生儿面部图像的数据库；(2)对经过归一化后的新生儿表情图像进行Gabor小波变换，提取不同尺度，不同方向的特征：(3)针对Gabor特征维数高、冗余大的特点，引入Adaboost算法降低特征向量的维数，实现特征选择；(4)最后以SVMs多类分类器进行验证。实验结果表明，本文提出的方法结合了Gabor特征对于面部表情表情的良好表征能力、Adaboost算法的强大特征选择能力以及SVM在处理小样本、高维数问题中的优势，相比于PCA等其他传统特征提取方法，识别率提高了将近10％，得到了预期的效果。