基于序列特征的隨機(jī)森林表情識(shí)別.pdf

1、人臉表情是人際溝通過程中一種非常重要的信息表達(dá)方式，能夠傳遞很多文字和聲音所不能表達(dá)的信息。人臉表情識(shí)別研究有非常重要的社會(huì)和經(jīng)濟(jì)意義，目前，表情識(shí)別在電子游戲、智能廣告投放、智能人機(jī)交互、遠(yuǎn)程教育、安全駕駛、臨床醫(yī)學(xué)、幼兒教育與護(hù)理、心理學(xué)研究、智能監(jiān)控、圖像合成、動(dòng)漫等方面都有廣泛的應(yīng)用，且前景非?？捎^。近年來，隨著表情識(shí)別的應(yīng)用場(chǎng)景日漸推廣和人們對(duì)表情識(shí)別領(lǐng)域的認(rèn)識(shí)加深，表情識(shí)別技術(shù)已成為多個(gè)領(lǐng)域的熱點(diǎn)研究課題。
　　目前人

2、臉表情識(shí)別的研究主要集中在表情特征提取和表情分類算法研究方面。本文針對(duì)表情圖像序列，提出了基于AAM(Active Appearance Model)模型結(jié)合LK(Lucas-Kanade)光流跟蹤算法的序列表情特征提取方法和基于隨機(jī)森林的表情分類方法：首先，采用AAM模型對(duì)中性表情圖像進(jìn)行特征點(diǎn)定位，在后續(xù)圖像幀間采用LK光流跟蹤算法跟蹤AAM人臉特征點(diǎn)；其次，將劇烈表情和中性表情圖像中相應(yīng)的AAM特征點(diǎn)的位移作為表情特征，采用SVM

3、算法訓(xùn)練分類器，進(jìn)行人臉表情運(yùn)動(dòng)單元分類；最后將人臉表情運(yùn)動(dòng)單元作為隨機(jī)森林的輸入進(jìn)行訓(xùn)練得到表情識(shí)別分類器，進(jìn)而對(duì)七種基本表情進(jìn)行識(shí)別。
　　本課題在Extended Cohn-Kanade人臉圖像序列數(shù)據(jù)庫(kù)進(jìn)行了大量實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明：AAM模型結(jié)合 LK跟蹤算法的人臉序列特征提取算法較單純的 AAM人臉表特征提取更加精確高效；將圖像序列中終止幀和起始幀之間AAM特征點(diǎn)的位移作為輸入，采用SVM進(jìn)行表情運(yùn)動(dòng)單元(Action