基于統(tǒng)計模型的人臉表情識別算法的研究與應(yīng)用.pdf

1、人臉識別是當前模式識別領(lǐng)域的一個研究熱點，常用的方法有很多，一般說來包括定位和分類兩個部分。準確的定位是正確分類的前提，而分類的成功率又反映了定位質(zhì)量的好壞，這兩個方面是人臉識別的研究重點。但面部圖像的特征提取即是重點又是難點。面部圖像特征提取技術(shù)是人臉識別系統(tǒng)的核心問題，其覆蓋了計算機技術(shù)、圖像處理技術(shù)、模式識別技術(shù)等領(lǐng)域，并向深度和廣度迅速發(fā)展。本文主要研究基于主動形狀模型(Active Shape Model，ASM)和主動紋理模

2、型(Active Appearance Model，AAM)的人臉特征定位方法和基于最小距離分類法(Nearest Neighbor Classification，NNC)、最近鄰分類法(k-nearest neighbor， KNN)的人臉表情識別技術(shù)，并在人臉特征提取的過程中對原有的方法進行了改進，本文的主要工作如下:
　　 (1)復(fù)現(xiàn)了經(jīng)典的ASM模型算法、AAM模型算法、聯(lián)合模型算法(AAM+ASM)和本文的改進算法。聯(lián)

3、合模型(AAM+ASM)是一種用來進行人臉特征提取的有效方法。它由人臉動態(tài)表觀模型和擬合算法兩部分組成。本文對此算法進行了改進，改進體現(xiàn)在:在聯(lián)合模型思想的基礎(chǔ)上，充分挖掘標定點之間的聯(lián)系，研究了一種構(gòu)建局部紋理模型的新方法。改進算法使得局部紋理模型的誤差體現(xiàn)的更為顯著，因此匹配過程中每次迭代后的形變更加顯著，從而提高了匹配速度。改進算法更加充分的利用了標定點之間的關(guān)系，更好的獲得特征點附近的紋理信息，使得匹配過程中每次迭代的結(jié)果更加逼