面部表情識別方法的研究.pdf

1、人臉表情識別技術(shù)能夠使計(jì)算機(jī)識別人的表情,從而營造真正和諧的人機(jī)環(huán)境。表情識別對建立友好的人機(jī)交互界面有著非同一般的重要意義。如今表情識別技術(shù)已經(jīng)深入應(yīng)用到了我們?nèi)粘Ｉ钪械亩鄠€(gè)領(lǐng)域:遠(yuǎn)程教育系統(tǒng)、疲勞駕駛檢測系統(tǒng)和微笑檢測技術(shù)等。因此,本文著重研究了表情識別中的幾項(xiàng)關(guān)鍵技術(shù)。
　　表情識別技術(shù)不同于人臉識別和紋理識別,它擁有自己獨(dú)有的定義和特性。如今,表情識別關(guān)鍵技術(shù)的研究重點(diǎn)主要體現(xiàn)在兩個(gè)方面:(1)利用表情的獨(dú)有特性(面部運(yùn)

2、動單元)來改進(jìn)經(jīng)典的人臉識別或者紋理識別方法;(2)模擬生物視覺系統(tǒng)提出表情識別方法,使該方法擁有生物視覺系統(tǒng)的特點(diǎn),即對噪聲和遮擋等具有一定的魯棒性。本文通過研究以上兩個(gè)方面中的現(xiàn)有先進(jìn)關(guān)鍵技術(shù),綜合運(yùn)用了數(shù)字圖像處理、生物視覺感知等人工智能技術(shù)對這些關(guān)鍵技術(shù)進(jìn)行了改進(jìn)。
　　基于面部運(yùn)動單元的表情識別方法是當(dāng)前表情識別方法中的關(guān)鍵技術(shù)之一,本文在認(rèn)真分析經(jīng)典算法的基礎(chǔ)上,提出了新的特征組合策略和采用了分類能力更強(qiáng)的分類器訓(xùn)練方

3、法,從而進(jìn)一步提高了識別準(zhǔn)確率。但是,基于面部運(yùn)動單元表情識別方法是沒有考慮表情識別中的噪聲和遮擋等關(guān)鍵問題的。因此,本文對另一項(xiàng)表情識別方法中的關(guān)鍵技術(shù)也進(jìn)行了研究,即對遮擋魯棒的表情識別技術(shù)。
　　由于生物視覺系統(tǒng)能夠非常輕易的分辨出帶有噪聲和遮擋的人臉表情,因此在模擬生物視覺系統(tǒng)的基礎(chǔ)上,基于稀疏表達(dá)的分類方法被越來越多的應(yīng)用到表情識別之中。本文在研究稀疏表達(dá)的基礎(chǔ)上,根據(jù)不同的應(yīng)用情況提出了多種改進(jìn)思路:(1)為了提高基于

4、稀疏表達(dá)分類方法的識別率,提出了采用方向梯度直方圖描述子替代傳統(tǒng)的特征;(2)提出了一種模擬生物視覺的表情識別模型,并以此模型為標(biāo)準(zhǔn)確定了局部二值化模式與方向梯度直方圖是最佳的特征提取方式,并使用基于貝葉斯理論的分類器融合方法對基于兩種特征的分類方法進(jìn)行了決策級上的融合,進(jìn)一步提升了識別準(zhǔn)確率;(3)針對前面兩種方法運(yùn)算時(shí)間過高的問題,提出了2項(xiàng)特征選取準(zhǔn)則,并根據(jù)該準(zhǔn)則選取出了新的特征,雖然使用該特征分類方法的識別準(zhǔn)確率不如前面兩種方