基于靜態(tài)圖像的人臉表情識(shí)別研究.pdf

1、人臉表情識(shí)別技術(shù)是涉及生物特征識(shí)別、模式識(shí)別、圖像處理、機(jī)器視覺(jué)、運(yùn)動(dòng)跟蹤、生理學(xué)、心理學(xué)等研究領(lǐng)域的一個(gè)極富挑戰(zhàn)性的交叉課題，是近年來(lái)模式識(shí)別與人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)：它是情感計(jì)算、智能人機(jī)交互的重要組成部分，有著廣泛的應(yīng)用前景和潛在的市場(chǎng)價(jià)值。近年來(lái)，在國(guó)內(nèi)外各大科研院所和高校的共同努力下，人臉表情識(shí)別技術(shù)快速發(fā)展，但各種問(wèn)題也隨之產(chǎn)生。目前尚有許多難點(diǎn)問(wèn)題沒(méi)有解決，至今也沒(méi)有一套實(shí)際應(yīng)用的系統(tǒng)面世。 人臉表情識(shí)別一般分

2、為人臉檢測(cè)、特征提取、特征選擇和表情分類(lèi)等環(huán)節(jié)。本文主要研究了特征提取、特征選擇和表情分類(lèi)過(guò)程中的一些關(guān)鍵問(wèn)題，提出了一些改進(jìn)算法，并進(jìn)行了仿真實(shí)驗(yàn)。主要的工作如下： 1．用基于統(tǒng)計(jì)理論的主動(dòng)外觀模型(Active Appreance Models，AAM)作為人臉特征點(diǎn)定位的方法并進(jìn)行了實(shí)驗(yàn)。 2．對(duì)現(xiàn)有的幾何特征做了一個(gè)總結(jié)。根據(jù)目前已有的、涉及人臉表情幾何特征的文獻(xiàn)，總結(jié)出了一個(gè)特征表。它幾乎可以囊括全部文獻(xiàn)中提出

3、的幾何特征。 3．首次使用粗糙集理論的屬性約簡(jiǎn)方法做人臉表情特征選擇。粗糙集理論的屬性約簡(jiǎn)方法是一種不依賴于先驗(yàn)知識(shí)的特征選擇方法，已應(yīng)用于諸多領(lǐng)域，有其獨(dú)特的優(yōu)越性。本文把粗糙集屬性約簡(jiǎn)方法應(yīng)用于人臉表情的幾何特征選擇，取得了良好的效果，有效地降低了特征的維數(shù)。 4．提出將粗糙集屬性約簡(jiǎn)與支持向量機(jī)相結(jié)合的RS-SVM方法。支持向量機(jī)是上世紀(jì)90年代新發(fā)展起來(lái)的一種高效分類(lèi)方法，雖然從理論建立到現(xiàn)在只有短短的10年時(shí)間

4、，但它已廣泛地應(yīng)用于各個(gè)領(lǐng)域。支持向量機(jī)的理論基礎(chǔ)是統(tǒng)計(jì)學(xué)習(xí)理論。研究者們已經(jīng)從理論上證明支持向量機(jī)是一種優(yōu)秀的學(xué)習(xí)機(jī)器，因?yàn)樗軌虮ＷC在小樣本訓(xùn)練集下達(dá)到最大的泛化能力。本文把粗糙集的屬性約簡(jiǎn)方法與支持向量機(jī)相結(jié)合，先用屬性約簡(jiǎn)進(jìn)行預(yù)處理，然后再用支持向量機(jī)分類(lèi)。實(shí)驗(yàn)表明，該方法可以有效的降低支持向量機(jī)的運(yùn)算復(fù)雜度，而分類(lèi)能力只有小幅度的下降甚至不下降。 5．開(kāi)發(fā)了一個(gè)人臉表情識(shí)別實(shí)驗(yàn)系統(tǒng)(Facial Expression