基于改進(jìn)光流和HMM的人臉表情識別研究.pdf

1、計算機人臉表情識別是利用計算機對人臉的表情信息進(jìn)行特征提取分析，按照人的認(rèn)識和思維方式加以歸類和理解，結(jié)合人臉?biāo)哂械母星樾畔⒎矫娴闹R使計算機進(jìn)行聯(lián)想、思考及推理，進(jìn)而從人臉信息中去分析理解人的情緒。近年來，隨著人們對人機交互興趣的增加，表情識別逐漸成為研究的熱點。
　　 本文在分析總結(jié)國內(nèi)外心理學(xué)和計算機領(lǐng)域關(guān)于人臉表情識別研究工作的基礎(chǔ)上，提出一種改進(jìn)的基于光流和隱馬爾可夫模型的人臉表情識別算法，在一定程度上更真實地反映了

2、人臉表情變化的特征和情緒心理。主要成果如下：
　　 針對目前廣泛使用的光流法計算耗時嚴(yán)重問題，提出了基于差分圖像絕對值和(SAD)與光流法相結(jié)合的方法，通過計算SAD檢測出運動區(qū)域，在已確定的運動區(qū)域內(nèi)進(jìn)行光流場計算，準(zhǔn)確地計算出人臉表情運動信息。
　　 利用數(shù)據(jù)挖掘中的屬性相關(guān)分析對標(biāo)定人臉特征的多個子區(qū)域進(jìn)行相關(guān)性分析，得到了子區(qū)域的區(qū)分度強弱順序，便于在表情識別過程中有選擇的使用。
　　 由于面部表情運動是

3、一個非剛體運動，容易產(chǎn)生形變，因此傳統(tǒng)光流法計算不準(zhǔn)確。為此，本文通過引入div-curl樣條函數(shù)作為擴展光流約束方程的附件約束條件，推導(dǎo)了非剛體光流算法，最后將該算法用于人臉表情特征提取。
　　 當(dāng)前多數(shù)圖像序列的表情識別方法僅提取圖像的某一類特征，導(dǎo)致特征參數(shù)不能全面地反映臉部情感信息，本文采用基于混合特征的圖像序列表情識別方法。分別提取各個子區(qū)域的變化特征然后對每種表情的貢獻(xiàn)權(quán)值進(jìn)行加權(quán)融合。
　　 在序列表情圖像