基于自回歸模型的動態(tài)表情識別.pdf

1、近年來，人臉表情識別在人機交互、情感分析、精神醫(yī)學等領域有著廣泛應用。目前的表情識別研究中，大部分對靜態(tài)表情識別展開研究，但靜態(tài)表情識別很大的一個局限在于靜態(tài)圖像往往只能捕獲表情最飽滿時的信息，而在日常生活中，表情是一個動態(tài)的過程，人們在普通交流過程中很少展現(xiàn)最飽滿的表情。因此，對動態(tài)表情識別的研究有非常大的理論意義和實踐價值。雖然許多研究者在動態(tài)表情識別上也取得了一定成果，但大部分識別率不高且不具備實用性，為了提高識別率，本論文圍繞動

2、態(tài)表情識別的三個步驟，即人臉檢測定位、表情特征提取和人臉表情分類展開了研究。對于人臉檢測與關鍵部位定位，本文采用了基于Haar-like特征的AdaBoost算法，然后在檢測到的人臉和關鍵部位區(qū)域上，采用改進的ASM模型進行表情特征點定位;對于表情特征提取，本文根據(jù)已定位的面部表情特征點，提取表情序列的幾何特征和紋理特征，然后將這兩種特征融合組成最終的表情序列特征即混合特征;對于表情分類，本文采用自回歸模型建立分類器，并提出了一種有效的

3、相似度度量方法進行決策。
　　本研究主要內(nèi)容包括：⑴在對表情特征點定位時，引入隨機森林算法進行特征點初始化，使ASM模型對人類特征點的定位更加精準和高效；⑵在對表情序列提取特征時，采用基于序列的混合特征，該特征包含豐富的表情變化信息?；旌咸卣饔蓭缀翁卣骱图y理特征組成，其中序列的幾何特征由歸一化后一個完整的表情序列中帶有表情變化的幀與初始幀在對應表情特征點上的位移差組合而成，序列的紋理特征由歸一化后每一個表情變化幀與初始幀上對應特征