人臉表情的識別、重建與合成.pdf

1、近30多年來，通過計算機對人臉表情進行自動處理成為當前計算機視覺、計算機圖形學、模式識別等領域的一個熱點研究課題，在視頻會議、影視制作、智能人機接口等方面有著廣泛的應用前景。本文的工作主要集中在兩個方面，一方面是對人臉表情進行識別，另一方面是對人臉進行重建，合成人臉表情。 提出論文的研究背景和研究內容，回顧人臉表情識別(基于靜態(tài)圖像、視頻及語音視頻)、人臉重建以及表情合成的相關技術，分別對這些方法進行分類和比較，指出其優(yōu)點和不足

2、之處，并給出研究的難點。 針對人臉表情識別，根據輸入數據的不同，分三章進行闡述。 第三章提出基于GPU的主動形狀模型(ASM)用于對靜態(tài)圖像中的人臉表情特征進行跟蹤和提取，通過基于GPU的邊界濾波和調和映射，使對象梯度輪廓梯度得到增強，減少模型匹配收斂的迭代次數和搜索時間，在速度和準確度上都比傳統的ASM有很大提高。進而采用SVM進行表情分類。 對于動態(tài)視頻序列，第四章提出基于Kalman預測的AAM視頻跟蹤算法

3、，利用當前幀跟蹤結果通過Kalman濾波預測下一幀中關鍵點的位置，并采用跟蹤結果對形狀模型進行更新，從而減少搜索空間，使在視頻中進行人臉特征搜索的速度得以提高。提出一個基于二元隱馬爾科夫模型(HiddenMarkovModel，HMM)的視頻人臉表情識別模型，將跟蹤的特征進行分割構造兩個獨立的特征向量流，使表情動作和嘴巴的動作得以分離，既保持二者的時間關聯性，又保持在人臉運動中的獨立性，使識別的準確率得到提高。 在第四章工作的基

4、礎上，第五章對二元HMM進行推廣，提出一個三元HMM及其相關的Viterbi最優(yōu)路徑搜索算法和模型訓練算法，引入情緒語音，實現語音輔助的人臉表情識別，并通過設置權重平衡視覺特征和語音特征的影響，使平均識別率取得了提高，識別更為魯棒。 對于人臉重建和表情合成，工作集中在快速人臉紋理映射和高分辨率人臉網格模型表情生成這兩個問題上。 第六章提出一個基于RBF速度場的實時交互紋理映射算法，避免對特征點的全局操作導致的復雜交互和較

5、大系統開銷，使紋理映射變得簡單快捷，系統開銷大大降低，實現基于單幅照片的人臉快速紋理映射，最后通過FAP參數驅動獲得不同表情的人臉。 第七章在進行人臉網格的對齊方面，提出基于SVD的三維人臉網格對齊算法，使不同尺度、方向和位置的人臉網格模型取得對齊；在實現不同人臉網格之間的對應上，提出基于GPU的網格圖像反饋對應算法，解決以往算法需要迭代逼近取得對應的計算復雜度高、時間開銷大的問題；在表情的映射上，提出基于Helmholtz-H