人臉表情識(shí)別及其在視頻分類與推薦中的應(yīng)用.pdf

1、近年來(lái)，隨著智能接口和人機(jī)交互技術(shù)的迫切需求和快速發(fā)展，以人臉表情識(shí)別為主的情感計(jì)算成為新的研究熱點(diǎn)。人臉表情識(shí)別能夠增強(qiáng)人機(jī)交互的智能性和友好性，具有重要的科研價(jià)值和應(yīng)用價(jià)值。另外，隨著數(shù)碼照相機(jī)、攝像機(jī)的廣泛使用和多媒體共享網(wǎng)絡(luò)（如YouTube）的快速發(fā)展，網(wǎng)絡(luò)視頻的數(shù)量正呈海量增長(zhǎng)，如何從觀察者的情感角度高效準(zhǔn)確的對(duì)這些視頻進(jìn)行分類與推薦對(duì)于網(wǎng)站管理和增強(qiáng)用戶體驗(yàn)變得至關(guān)重要。
　　本文在總結(jié)國(guó)內(nèi)外人臉表情識(shí)別及視頻分類與

2、推薦研究現(xiàn)狀的基礎(chǔ)上，分析了現(xiàn)有研究存在的問題與缺陷，提出了一種基于空間特征和隱動(dòng)態(tài)條件隨機(jī)場(chǎng)的表情識(shí)別方法，并且以此為基礎(chǔ)，從觀察者表情識(shí)別的情感角度對(duì)視頻進(jìn)行分類與推薦，取得了良好的效果。具體的研究工作如下：
　　首先，對(duì)表情圖像進(jìn)行預(yù)處理，本文提出了一種基于人臉檢測(cè)的眼睛定位算法，以定理的形式給出了圖像旋轉(zhuǎn)前后坐標(biāo)的對(duì)應(yīng)關(guān)系并進(jìn)行了證明。在檢測(cè)到人臉之后，采用形態(tài)學(xué)濾波與求區(qū)域中心相結(jié)合的方法對(duì)眼睛進(jìn)行精確定位。接著對(duì)表情圖

3、像進(jìn)行尺度歸一化和灰度歸一化操作，為后續(xù)操作奠定了基礎(chǔ)。
　　其次，本文提出了一種基于空間特征和隱動(dòng)態(tài)條件隨機(jī)場(chǎng)的表情識(shí)別方法。首先把構(gòu)造組合Haar特征的過程嵌入到改進(jìn)的AdaBoost算法中，提取出表情的空間特征。然后提出了一種新的圖模型—隱動(dòng)態(tài)條件隨機(jī)場(chǎng)，它結(jié)合了隱條件隨機(jī)場(chǎng)和動(dòng)態(tài)條件隨機(jī)場(chǎng)的優(yōu)點(diǎn)。采用最大似然估計(jì)的方法對(duì)其參數(shù)進(jìn)行估計(jì)，并且把它與已有的概率模型進(jìn)行了比較。接著通過把空間特征嵌入到隱動(dòng)態(tài)條件隨機(jī)場(chǎng)中，即把時(shí)間

4、特征和空間特征結(jié)合起來(lái)，對(duì)人臉表情進(jìn)行識(shí)別，在Cohn-Kanade數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)證明了算法的有效性和準(zhǔn)確性。
　　最后，根據(jù)提出的表情識(shí)別方法，對(duì)觀察者觀看視頻的表情進(jìn)行識(shí)別，構(gòu)造出他們的情感曲線，根據(jù)已有的心理學(xué)及電影學(xué)研究基礎(chǔ)，對(duì)視頻進(jìn)行分類與推薦。通過表情的變化次數(shù)及規(guī)律，給出了視頻類別及推薦分?jǐn)?shù)。在我們收集的數(shù)據(jù)庫(kù)上進(jìn)行實(shí)驗(yàn)，效果良好，絕大多數(shù)觀察者對(duì)視頻類別及推薦分?jǐn)?shù)的結(jié)果是滿意的。文章最后總結(jié)了本文的主要工作和存在的