全局和局部特征融合的人臉表情識別研究.pdf

1、隨著人機交互與情感計算技術的快速發(fā)展，人臉表情識別已成為人們研究的熱點。表情識別的研究對提高人工情感智能水平和認知能力具有重要的科研意義。人臉表情能夠表達出豐富復雜的人類的情感信息，利用計算機從人臉表情中分析出人類所表現(xiàn)出來的情感狀態(tài)是情感智能的主要研究方向。
　　針對人臉表情的特點，有效地提取表情特征、設計合理的表情分類算法和識別策略以提高表情識別率是人臉表情識別的主要研究內容，也是人臉表情識別的重點和難點。對此，本文研究主要內

2、容是基于多特征融合的人臉表情識別研究，并在此基礎上建立人臉表情識別系統(tǒng)。人臉表情識別系統(tǒng)主要包括人臉的識別與定位、表情特征的提取以及表情分類。
　　本文首先簡要介紹了人臉表情的相關背景和研究現(xiàn)狀，然后詳細介紹了人臉表情識別的基本理論，包括情感定義、分類、人臉表情庫、人臉定位、特征提取以及情感分類方法。本文著重對人臉定位算法、表情特征的提取算法、分類算法進行研究和分析。對于人臉定位算法，主要對主動表觀模型(AAM)算法進行研究。這種

3、算法不僅能夠定位人臉區(qū)域，而且能夠對于人臉的特征點進行定位。通過定位算法的分析研究，為提取表情特征奠定基礎。針對不同表情特征的特點，提取全局和局部兩種表情特征：全局特征主要是在幾何特征的理論基礎上提取的角度差特征，局部特征主要是在光流場理論的基礎上提取的散度均值特征。對于分類算法的研究，本文著重研究BP神經網(wǎng)絡和支持向量機(SVM)兩種分類器的表情分類性能，并通過實驗結果分析選擇性能較優(yōu)的支持向量機(SVM)作為表情識別系統(tǒng)的分類器。為