視頻人臉表情識(shí)別關(guān)鍵技術(shù)研究.pdf

1、近年來(lái)，面部表情識(shí)別越來(lái)越受到領(lǐng)域?qū)＜业闹匾暎⑷〉昧艘恍┏煽?jī)。但由于人臉不是一個(gè)剛性體，面部表情受年齡、性別、種族、頭發(fā)、飾物及光照等的影響較大，因此，目前尚沒有成熟實(shí)用的解決方法。本文主要研究了人臉表情的特征提取和表情分類算法。鑒于單張人臉圖像的信息量有限，針對(duì)表情圖像序列進(jìn)行處理。
　　本文首先系統(tǒng)研究了現(xiàn)有主要人臉表情特征提取方法，提出了動(dòng)態(tài)與靜態(tài)結(jié)合的表情特征提取算法，將主動(dòng)外觀模型（Active Appearance

2、Model）特征點(diǎn)在表情生成中的軌跡作為動(dòng)態(tài)特征，并用光流跟蹤AAM特征點(diǎn)；將表情峰值圖像的局部相位量化直方圖作為靜態(tài)特征。其次，摒棄了傳統(tǒng)基于運(yùn)動(dòng)單元（Action Unit）的局部特征提取方式，自主提出了使用人臉器官為單元的局部劃分方法。由于0-1分類器產(chǎn)生的二值輸出常常會(huì)導(dǎo)致信息量的丟失，本文采用支撐向量機(jī)（Support Vector Machine）與Bradley-Terry相結(jié)合的模型來(lái)預(yù)測(cè)各個(gè)面部器官動(dòng)作的概率值，能有效