多姿態(tài)人眼定位與表情識別研究.pdf

1、隨著計算機技術和生物醫(yī)學工程技術的飛速發(fā)展，利用人體生物特征來研究有關人體身份、語音、指紋、表情等的生物識別技術成為安全驗證的首選方式。在人工智能研究領域，人臉作為重要的生物特征，其檢測、識別和表情分析對于實現(xiàn)機器智能化起到很關鍵的作用，有著廣泛的應用前景。
　　 對人臉信息的處理技術隨著圖像處理和模式識別的巨大進步得到了很好的發(fā)展，但是還是受到現(xiàn)實環(huán)境中不確定因素的影響，比如說光照、姿態(tài)、表情、遮擋等。而有關表情識別的研究更是

2、受到不同人表情程度不同、同一人不同表情的影響，理論和方法都有待于完善。完整的表情識別主要包括人臉檢測與定位、人臉表情特征提取和降維以及最終的表情分類。本文主要是針對靜態(tài)圖像的多姿態(tài)人眼定位、人臉表情識別的問題做了以下工作：
　　 ①針對彩色圖像中人臉在復雜背景及多姿態(tài)下眼睛定位困難的情況，提出了一種基于膚色分割與Gabor濾波的人眼定位方法。首先采用粒子群算法優(yōu)化改進的最大類間方差(otsu)對圖像進行膚色分割，找到人臉的候選區(qū)

3、域；然后構造Gabor濾波器對候選區(qū)域進行濾波；最后經過灰度投影得到眼睛的位置。實驗結果表明，本文采用的膚色分割方法效果好，應用于人眼定位方面使得定位精確度高，尤其在背景復雜和多姿態(tài)的情況下也有著明顯的優(yōu)勢。
　　 ②研究了經典的線性人臉識別方法PCA，并將其應用到人臉表情的識別中，該方法假設輸入的數(shù)據具有全局線性結構，所以當遇到非線性流形上的數(shù)據時，處理的結果受到影響；另外研究了非線性特征提取方法核PCA、局部線性嵌入算法(L

4、LE)以及核SLLE算法，并在JAFFE人臉表情庫中實現(xiàn)了以上4種方法，結果顯示，非線性降維算法在表情識別中有著更好的結果，也進一步驗證了人臉空間可能是一個高維的非線性子空間，即位于一個非線性流形上。
　　 ③提出了一種融合局部特征進行表情識別的算法，針對在人臉表情中貢獻較大的人眼和人嘴，將二者融合起來進行表情識別，并賦予二者不同的權重系數(shù)，比起整體的特征分析，不僅節(jié)約了計算量，也在一定程度上降低了因同一個人特征相似、不同人表情