基于AAM的人臉識(shí)別與表情分析.pdf

1、人臉圖像分析在身份鑒別、安防、動(dòng)畫(huà)驅(qū)動(dòng)、電影制作等方面具有廣泛的應(yīng)用，人臉識(shí)別和表情分析作為人臉圖像分析的兩個(gè)重要研究?jī)?nèi)容，涉及到圖像處理、計(jì)算機(jī)視覺(jué)、虛擬現(xiàn)實(shí)、人機(jī)交互等眾多領(lǐng)域，具有重要的理論意義和實(shí)際應(yīng)用價(jià)值。目前，大部分的人臉圖像分析系統(tǒng)都是基于紋理信息，受采集圖像的光照、背景和人臉本身非剛性特點(diǎn)的影響較大，導(dǎo)致特征提取不準(zhǔn)確，而結(jié)合紋理和幾何信息提取人臉特征是未來(lái)人臉圖像分析的主要發(fā)展方向。
　　主動(dòng)外觀模型（Activ

2、e Appearance Models，簡(jiǎn)稱(chēng)AAM）是Cootes在20世紀(jì)末提出的一種用于提取圖像特征的方法，采用形狀和紋理信息融合的統(tǒng)計(jì)模型及非線性?xún)?yōu)化的擬合，能夠快速準(zhǔn)確地提取人臉的特征。本文采用AAM提取人臉特征點(diǎn)，然后根據(jù)提取的特征構(gòu)造相應(yīng)的特征向量分別用于人臉識(shí)別和表情分析。研究?jī)?nèi)容主要包括:
　　1.建立主動(dòng)外觀模型并選擇適當(dāng)?shù)钠ヅ渌惴ā挠写硇缘挠?xùn)練集中捕獲形狀和紋理的變化，經(jīng)過(guò)主成分分析(PCA)產(chǎn)生一個(gè)參數(shù)化

3、的人臉外觀模型，利用反轉(zhuǎn)組合算法計(jì)算輸入圖像與該模型的最優(yōu)匹配從而定位人臉特征。
　　2.根據(jù)提取的特征構(gòu)造特征向量，進(jìn)行人臉識(shí)別。利用AAM模型獲取的特征點(diǎn)位置，構(gòu)造具有尺度、旋轉(zhuǎn)和位移不變性的比例特征向量作為人臉識(shí)別的關(guān)鍵特征。通過(guò)關(guān)鍵特征將人臉識(shí)別庫(kù)中的圖像進(jìn)行預(yù)分類(lèi)，有效減少識(shí)別過(guò)程中對(duì)比的次數(shù)，然后構(gòu)造相似度函數(shù)進(jìn)行待測(cè)圖像與識(shí)別庫(kù)中圖像的匹配。
　　3.根據(jù)AAM特征構(gòu)造相對(duì)位移向量，進(jìn)行表情分析。根據(jù)不同表情圖

4、像獲取的特征點(diǎn)的位移，構(gòu)造相對(duì)位移向量作為表情識(shí)別的輸入特征。通過(guò)兩種方式實(shí)現(xiàn)表情識(shí)別:建立一個(gè)多分類(lèi)的支持向量機(jī)將相對(duì)位移向量直接識(shí)別為六種表情;建立多個(gè)二分類(lèi)的支持向量機(jī)檢測(cè)人臉的表情活動(dòng)單元(Active Unit，簡(jiǎn)稱(chēng)AU)，然后通過(guò)待測(cè)區(qū)域包含的AU取值來(lái)判斷表情。
　　對(duì)上述算法和技術(shù)進(jìn)行實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，基于AAM進(jìn)行人臉識(shí)別與表情分析可以有效避免光照、背景和姿態(tài)的影響，具有良好的可行性和魯棒性。最后，對(duì)本文工