基于高斯回歸的多姿態(tài)人臉情感識別應(yīng)用研究.pdf

1、人類對于面部表情的研究，最始于生理學(xué)家和心理學(xué)家對于表情和情緒的研究，他們對表情和情緒之間的關(guān)系、表情的多樣性、臉部表情含義的表述以及表情的分類等問題進行了研究。從人類語言學(xué)的發(fā)展中，我們也可以看出面部表情情感的識別，對于唇語的理解有著輔助作用。在人類行為學(xué)發(fā)展中，我們也能看出面部表情情感的識別能夠提高人類交流中的信任度；對于商業(yè)應(yīng)用中也占有重要的一環(huán)，可視電話和電視會議也能從人們面部表情中加深交流，讀懂他人內(nèi)心世界；對于醫(yī)療系統(tǒng)方面，

2、從病人的面部表情體現(xiàn)出來的情感可以用來輔助判斷病人的心理、精神、身體各方面的狀況；除此之外，對其他行業(yè)如：公安部門、律師行業(yè)等，讀懂他人的面部表情情感，對他們的工作都至關(guān)重要。
　　本文在參考大量中外前人研究的成果上，對隱馬爾可夫模型進行了適當(dāng)?shù)母倪M，從而設(shè)計出了一種多姿態(tài)下的人臉情感表情識別方法，期間主要做了下面一些改進：
　　首先在已有的研究基礎(chǔ)上，通過相位的形式，將面部區(qū)域的運動形式給表示出來，然后基于相位的面部表情運

3、動特征，其通過構(gòu)造特征向量和序列來對面部特征進行表示，這樣相應(yīng)的特征向量計算顯著簡化，后續(xù)表情分類處理工作也更簡單。
　　其次通過對離散隱馬爾可夫模型的分析，并考慮到其在描述表情特征序列方面的不足，本文對此提出了一種改進算法，并實現(xiàn)了與面部表情時序特征的方法。本算法為了分析方便，通過適量減少矢特征誤差，并假設(shè)此特征序列在一定程度上服從高斯混合分布。
　　最后本文利用了k-means聚類算法；來計算高斯混合模型的初始值，并總結(jié)