基于特征融合的人臉表情識(shí)別技術(shù)的研究.pdf

1、近年來(lái)，表情識(shí)別技術(shù)作為一種新型的人機(jī)交互方式，受到了越來(lái)越多研究者的關(guān)注。本文對(duì)國(guó)內(nèi)外現(xiàn)有的人臉表情識(shí)別技術(shù)和方法進(jìn)行了分析，在比較現(xiàn)有的表情識(shí)別方法的基礎(chǔ)的上，在針對(duì)視頻圖像序列的表情識(shí)別原型系統(tǒng)中，提出了人臉關(guān)鍵特征點(diǎn)定位算法、表情特征提取算法以及表情分類識(shí)別算法，并通過(guò)實(shí)驗(yàn)數(shù)據(jù)分析顯示了該方法的性能。本文的主要工作如下： (1)提出了一種線性人臉對(duì)象類模型和主動(dòng)形狀模型相結(jié)合的人臉關(guān)鍵特征點(diǎn)定位方法。該方法首先利用線性人

2、臉對(duì)象類思想由人臉訓(xùn)練樣本重構(gòu)人臉圖像，通過(guò)最小化重構(gòu)圖像與原圖像之間的誤差得到一組最優(yōu)的重構(gòu)系數(shù)，并將這組重構(gòu)系數(shù)用于人臉形狀的重構(gòu)。然后將重構(gòu)得到的人臉形狀向量作為主動(dòng)形狀模型的初始模型位置，由此得到模型的初始參數(shù)信息，再由該模型的初始位置開(kāi)始，通過(guò)學(xué)習(xí)不斷調(diào)整模型參數(shù)來(lái)減少模型與目標(biāo)輪廓之間的距離誤差，直到模型收斂至精確的特征點(diǎn)位置。該方法改變了傳統(tǒng)ASM的初始模型選取的策略，使模型更加準(zhǔn)確、快速地收斂至目標(biāo)輪廓位置。 (

3、2)提出了基于光流模型與分段時(shí)序模板的混合特征提取方法。對(duì)檢測(cè)得到的關(guān)鍵特征點(diǎn)首先采用光流模型提取特征點(diǎn)處的運(yùn)動(dòng)特征向量，然后對(duì)這些關(guān)鍵特征點(diǎn)采用分段時(shí)序模板的思想提取時(shí)序特征，最后通過(guò)典型相關(guān)分析的融合策略對(duì)兩類特征進(jìn)行融合，得到一組典型特征。該方法提取了同一組圖像序列的兩組不同特征并進(jìn)行融合，既集合了兩類特征的優(yōu)點(diǎn)又通過(guò)融合消除了兩組特征之間的信息冗余。 (3)實(shí)現(xiàn)了基于離散隱馬爾可夫模型的混合特征分類算法。由于單一的特征在