基于HMAX模型的人臉表情識(shí)別研究.pdf

1、人臉表情識(shí)別是一個(gè)涉及到模式識(shí)別、圖像處理、人工智能等多學(xué)科的綜合課題。所謂人臉表情識(shí)別是讓計(jì)算機(jī)對(duì)人臉的表情信息進(jìn)行特征提取分析,結(jié)合人類所具有的表情信息方面的先驗(yàn)知識(shí)使它進(jìn)行自我思考、推理以及判斷,進(jìn)而去理解人臉表情蘊(yùn)含的信息,實(shí)現(xiàn)人機(jī)之間智能化的交互。它在許多領(lǐng)域都有著潛在的應(yīng)用價(jià)值,包括機(jī)器人技術(shù)、圖像理解、視頻檢索、合成臉部動(dòng)畫(huà)、心理學(xué)研究、虛擬現(xiàn)實(shí)技術(shù)等。
　　 對(duì)人臉表情識(shí)別的研究主要包括三個(gè)部分:人臉檢測(cè)、表情特

2、征提取以及表情分類。目前在這三個(gè)方面計(jì)算機(jī)視覺(jué)研究者們進(jìn)行了很多研究,但這三個(gè)方面仍有問(wèn)題未得到很好的解決,包括人臉誤檢、表情識(shí)別的魯棒等。
　　 本文分析了目前國(guó)內(nèi)外有關(guān)人臉表情識(shí)別的理論和技術(shù),著重對(duì)人臉檢測(cè)、表情特征提取以及表情分類這三個(gè)環(huán)節(jié)進(jìn)行了深入研究,其主要研究?jī)?nèi)容和成果如下:
　　 1.人臉檢測(cè)方面
　　 本文研究了Viola提出的基于Hart-like特征、積分圖、AdaBoost.M算法、級(jí)聯(lián)模

3、式的人臉檢測(cè)方法和人臉模板匹配技術(shù),分析了Viola人臉檢測(cè)方法產(chǎn)生人臉誤檢的原因,提出了把Viola人臉檢測(cè)方法和人臉模板匹配技術(shù)相結(jié)合來(lái)減少人臉誤檢率。
　　 本文首先采用Viola人臉檢測(cè)方法搜尋可疑人臉區(qū)域,在此基礎(chǔ)上,結(jié)合人臉模板匹配技術(shù),對(duì)找到的可疑人臉區(qū)域進(jìn)行驗(yàn)證以排除非人臉區(qū)域,獲得真正的人臉區(qū)域。
　　 2.特征提取方面
　　 本文研究了表情特征的分布和HMAX模型,并根據(jù)表情特征的分布特性對(duì)H

4、MAX模型的特征塊模板抽取方法做了改進(jìn),最后使用改進(jìn)的HMAX模型進(jìn)行表情特征的提取。所提取的表情HMAX特征與其他通過(guò)圖像處理得到的特征相比,具有更好的不變性和區(qū)分性。
　　 3.表情分類方面
　　 本文設(shè)計(jì)了基于AdaBoost.M2學(xué)習(xí)算法和BP神經(jīng)網(wǎng)絡(luò)的表情識(shí)別分類器。用BP神經(jīng)網(wǎng)絡(luò)作為弱分類器,利用AdaBoost.M2學(xué)習(xí)算法構(gòu)造一個(gè)強(qiáng)分類器作為表情識(shí)別的分類器。
　　 4.在上述理論研究的基礎(chǔ)之上,