人臉表情識(shí)別中的特征提取算法研究.pdf

1、人工智能是智能控制中的一個(gè)全新的、具有挑戰(zhàn)性的領(lǐng)域。隨著機(jī)器人技術(shù)的逐漸成熟，在越來越多的領(lǐng)域里用到了機(jī)器人，如：醫(yī)療器械、家庭、運(yùn)動(dòng)、服務(wù)等。這些機(jī)器人必須要具有智能化、自動(dòng)化利交互性等特點(diǎn)，而人工情感使之成為可能。情感識(shí)別是人工情感研究中的一項(xiàng)重要任務(wù)。只有機(jī)器人能夠分辨出人類的情感，它們才可能會(huì)實(shí)現(xiàn)情感智能。 人類情感識(shí)別特征包括聲音、姿態(tài)、人臉表情、生理信號(hào)(脈搏信號(hào)、血壓、肺活量等)等。其中的人臉表情識(shí)別是一種有效且可

2、行的特征。 人臉表情識(shí)別系統(tǒng)中的算法主要有圖像處理算法、特征提取算法和分類算法。文中主要討論的是特征提取算法。 現(xiàn)有的表情識(shí)別算法有很多，包括主分量分析法(PCA)、獨(dú)立分量分析法(ICA)、Fisher線性判別法(FLD)和本地特征分析法(LFA)等。近來，很多新的算法被應(yīng)用在表情識(shí)別當(dāng)中來，如：人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、小波分析、隱馬爾可夫鏈模型和光流等。這些方法中很多能夠達(dá)到較高的識(shí)別率，但識(shí)別過程卻比較復(fù)雜。

3、 本文的目的就是要尋求更適合于人臉表情識(shí)別且實(shí)現(xiàn)相對(duì)簡(jiǎn)單的特征提取算法來提高識(shí)別率。文中提出了兩種高效的人臉表情識(shí)別算法。一種基于離散小波變換和FLD，另一種基于小波能量變換和FLD。 第一種方法中，將二維離散小波變換(2D-DWT)得到的小波特征加入到Fisher線性判別法(FLD)中，采用FLD之前，首先對(duì)表情圖片進(jìn)行二維離散小波變換提取小波系數(shù)，選取部分小波系數(shù)作為特征。為了不影響面部表情的識(shí)別率，本文不僅保留了小波分

4、解后的低頻成分，還通過設(shè)定閾值保留了部分高頻信息。最后利用支持向量機(jī)(SVM)進(jìn)行識(shí)別。通過在日本JAFFE人臉表情庫的七種表情(生氣、厭惡、恐懼、高興、中性、悲傷、驚訝)上進(jìn)行實(shí)驗(yàn)，驗(yàn)證了該方法能夠在表情識(shí)別中取得較高的識(shí)別牢并花費(fèi)較少的時(shí)間。 人臉表情信息主要體現(xiàn)在眉毛、眼睛、嘴的變化上，其次體現(xiàn)在這些變化之間的相互關(guān)系上。從圖像處理的角度看，這些改變主要由圖像邊緣的變化引起的。所以獲得表情圖像的紋理信息對(duì)表情識(shí)別是有幫助的