基于視頻的微表情檢測(cè)與識(shí)別技術(shù)研究.pdf

1、微表情通常發(fā)生在一個(gè)人試圖隱藏他的真實(shí)感受的時(shí)候，與基本表情相區(qū)別的地方在于其持續(xù)時(shí)間短，強(qiáng)度低。微表情可以用來(lái)揣度一個(gè)人的心理，在醫(yī)療、商業(yè)談判、刑事審訊等領(lǐng)域有重要作用。所以近年來(lái)，微表情檢測(cè)與識(shí)別工作逐漸引起了學(xué)者的關(guān)注。微表情計(jì)算機(jī)自動(dòng)識(shí)別技術(shù)研究尚處于初始階段，有效魯棒的應(yīng)用產(chǎn)品還沒(méi)有出現(xiàn)，研究人員也主要集中在少數(shù)幾個(gè)研究機(jī)構(gòu)，微表情識(shí)別的前端工作——微表情發(fā)生階段自動(dòng)檢測(cè)更是幾近空白，但是其卻是自動(dòng)識(shí)別的先決條件。微表情自動(dòng)

2、檢測(cè)與識(shí)別研究的難點(diǎn)在于其強(qiáng)度微弱，容易受環(huán)境因素?cái)_動(dòng);持續(xù)時(shí)間短，一般傳感器難以捕捉;發(fā)生部位區(qū)域狹小與不確定，不像基本表情那樣面部某塊區(qū)域肌肉產(chǎn)生集體有向運(yùn)動(dòng)。針對(duì)上述問(wèn)題，基于近期微表情檢測(cè)與識(shí)別有效算法的出現(xiàn)和受深度學(xué)習(xí)技術(shù)在特征學(xué)習(xí)方面巨大成功的啟發(fā)，本文將探索和研究微表情自動(dòng)檢測(cè)與識(shí)別方法以及應(yīng)用。本文的主要工作如下:
　　(1)提出了基于光流分析和濾波器設(shè)計(jì)的微表情檢測(cè)方法，應(yīng)用運(yùn)動(dòng)特征去中心化和歸一化減弱噪聲影響，

3、有效實(shí)現(xiàn)了微表情的自動(dòng)定位;把基于分塊的LBP-TOP特征和組稀疏最小二乘回歸的微表情識(shí)別算法，應(yīng)用到微表情的判別上。
　　(2)將深度神經(jīng)網(wǎng)絡(luò)驅(qū)動(dòng)的特征學(xué)習(xí)方法應(yīng)用于微表情識(shí)別，提取基于FACS編碼系統(tǒng)劃分的LBP-TOP特征，并用于深度學(xué)習(xí)，提高了微表情分類(lèi)性能。
　　(3)開(kāi)發(fā)了一個(gè)自動(dòng)檢測(cè)和識(shí)別的微表情的原型系統(tǒng)。
　　(4)參與建立了一個(gè)自然誘發(fā)的微表情數(shù)據(jù)庫(kù)。并將本文提出的特征學(xué)習(xí)驅(qū)動(dòng)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法應(yīng)用