基于受限玻爾茲曼機的面部運動識別方法研究.pdf

1、面部表情是人類表達情感最重要的方式，如果能讓計算機按照人類自然的方式理解人的情感狀態(tài)，根據人的需求、習慣主動地為人類服務，這將從根本上改變人和計算機的關系，改變人類的生活方式。在過去的幾十年里，人面部運動識別技術引起了學術界的廣泛關注并積累了大量的成果，但大量實測經驗表明，人面部運動識別技術還遠遠達不到實際應用的程度，尤其是現實環(huán)境中光照、遮擋等造成的圖像不穩(wěn)定性、不同種族和性別的面部差異以及人類過于豐富的表情內容都給面部運動識別帶來了

2、諸多困難和極大的挑戰(zhàn)。本文將針對上述問題進行深入研究，包括人面部特征點追蹤、自然人面部運動單元（AU）識別等。主要研究工作包括：
　　分析線性模型在建模非線性面部形狀時存在的缺陷，并在此基礎上對面部特征點的追蹤流程進行進一步的探討和改進。針對常規(guī)線性先驗模型不易捕捉大幅度表情變化時的面部特征點問題，研究并構建基于高斯受限玻爾茲曼機（GRBM）的面部特征點形狀先驗模型。此方法采用GRBM建模面部特征點間的深層形狀關系，通過吉布斯（G

3、ibbs）采樣追蹤面部特征點的具體位置，使面部特征點的觀測值受到形狀先驗模型的約束，從而減小追蹤結果的誤差。
　　分析獨立識別面部運動單元（AU）時存在的問題，明確了面部運動單元之間的語義關系在其識別過程中的重要作用。針對當前研究只能建模部分成對AU間的相互關系，而忽略了AU全局關系的問題，提出基于受限玻爾茲曼機（RBM）的面部運動單元識別模型。該模型充分利用RBM層間全連接的結構特征，以及無監(jiān)督的學習特性，從而捕捉到面部運動單元