實(shí)時(shí)人臉精細(xì)表情識(shí)別方法研究.pdf

1、近年來(lái)，隨著計(jì)算機(jī)軟硬件的不斷發(fā)展，人類(lèi)與計(jì)算機(jī)的關(guān)系越來(lái)越密切，人機(jī)交互的程度愈發(fā)加深。面部表情識(shí)別是人工智能和計(jì)算機(jī)視覺(jué)的熱門(mén)研究領(lǐng)域。主流的識(shí)別方法基于靜態(tài)圖像給出相應(yīng)的表情標(biāo)簽，而為了更加接近現(xiàn)實(shí)世界的交流過(guò)程，表情識(shí)別不應(yīng)該僅限于給出幾種分類(lèi)結(jié)果，更應(yīng)該對(duì)表情的動(dòng)態(tài)變化過(guò)程做出更加細(xì)致的分析和研究。
　　本文針對(duì)精細(xì)的表情識(shí)別展開(kāi)研究，在對(duì)表情視頻序列提取動(dòng)態(tài)特征的基礎(chǔ)上，提出了一套實(shí)時(shí)的表情分類(lèi)以及強(qiáng)度分析框架。該框架

2、以視頻序列為原始數(shù)據(jù)，在人臉檢測(cè)、特征點(diǎn)跟蹤的預(yù)處理過(guò)后，根據(jù)提取出的動(dòng)態(tài)特征進(jìn)行表情分類(lèi)，再對(duì)表情序列進(jìn)行強(qiáng)度分析以得到更加精細(xì)的分類(lèi)結(jié)果。通過(guò)該方法的分析，表情視頻序列可獲得表情的標(biāo)簽，以及動(dòng)態(tài)變化的表情強(qiáng)度分析結(jié)果。
　　本文的主要研究?jī)?nèi)容和成果包括：
　　(1)提出一個(gè)精細(xì)表情識(shí)別的算法框架。該算法框架通過(guò)對(duì)表情序列分類(lèi)得到表情標(biāo)簽，并且可以結(jié)合本文提出的表情強(qiáng)度計(jì)算模型，得到表情的精細(xì)分析結(jié)果。
　　(2)提

3、出一種實(shí)時(shí)的面部特征點(diǎn)跟蹤方法以提取表情的動(dòng)態(tài)特征。該方法在活動(dòng)輪廓模型的基礎(chǔ)上，引入了斑塊模型以表征面部的外表特征，結(jié)合形狀特征，得到了更加精確的面部特征點(diǎn)跟蹤結(jié)果。
　　(3)提出一種訓(xùn)練動(dòng)態(tài)表情分類(lèi)器的優(yōu)化算法。通過(guò)自適應(yīng)的過(guò)程確定隱馬爾可夫模型的最優(yōu)隱藏狀態(tài)數(shù)，從而使表情序列的模型最優(yōu)化，得到了相比簡(jiǎn)單隱馬爾科夫模型更高的識(shí)別準(zhǔn)確率。
　　(4)建立表情強(qiáng)度計(jì)算模型，以面部特征點(diǎn)的總體勢(shì)能表征表情變化的強(qiáng)度值，結(jié)合從

4、表情序列模型中提取的狀態(tài)轉(zhuǎn)換參數(shù)，使用線(xiàn)性回歸擬合出表情強(qiáng)度曲線(xiàn)。通過(guò)對(duì)比同種表情的多條強(qiáng)度曲線(xiàn)，能夠?qū)υ摫砬轭?lèi)型中的個(gè)體進(jìn)行細(xì)分，從而達(dá)到精細(xì)表情識(shí)別的目的。
　　(5)設(shè)計(jì)并實(shí)施表情分析的實(shí)驗(yàn)，以驗(yàn)證本文提出的算法框架的有效性，本文使用Cohn-Kanade數(shù)據(jù)庫(kù)中的表情視頻序列進(jìn)行測(cè)試。對(duì)比改進(jìn)前的分類(lèi)算法，表情的識(shí)別正確率得到了提升。而且，經(jīng)過(guò)對(duì)表情模型的強(qiáng)度分析，表情序列被提取出了時(shí)空域的變化信息，使我們能夠?qū)σ逊诸?lèi)表情