面部表情識(shí)別方法的研究.pdf

1、人臉表情識(shí)別技術(shù)能夠使計(jì)算機(jī)識(shí)別人的表情,從而營(yíng)造真正和諧的人機(jī)環(huán)境。表情識(shí)別對(duì)建立友好的人機(jī)交互界面有著非同一般的重要意義。如今表情識(shí)別技術(shù)已經(jīng)深入應(yīng)用到了我們?nèi)粘Ｉ钪械亩鄠€(gè)領(lǐng)域:遠(yuǎn)程教育系統(tǒng)、疲勞駕駛檢測(cè)系統(tǒng)和微笑檢測(cè)技術(shù)等。因此,本文著重研究了表情識(shí)別中的幾項(xiàng)關(guān)鍵技術(shù)。
　　表情識(shí)別技術(shù)不同于人臉識(shí)別和紋理識(shí)別,它擁有自己獨(dú)有的定義和特性。如今,表情識(shí)別關(guān)鍵技術(shù)的研究重點(diǎn)主要體現(xiàn)在兩個(gè)方面:(1)利用表情的獨(dú)有特性(面部運(yùn)

2、動(dòng)單元)來(lái)改進(jìn)經(jīng)典的人臉識(shí)別或者紋理識(shí)別方法;(2)模擬生物視覺系統(tǒng)提出表情識(shí)別方法,使該方法擁有生物視覺系統(tǒng)的特點(diǎn),即對(duì)噪聲和遮擋等具有一定的魯棒性。本文通過(guò)研究以上兩個(gè)方面中的現(xiàn)有先進(jìn)關(guān)鍵技術(shù),綜合運(yùn)用了數(shù)字圖像處理、生物視覺感知等人工智能技術(shù)對(duì)這些關(guān)鍵技術(shù)進(jìn)行了改進(jìn)。
　　基于面部運(yùn)動(dòng)單元的表情識(shí)別方法是當(dāng)前表情識(shí)別方法中的關(guān)鍵技術(shù)之一,本文在認(rèn)真分析經(jīng)典算法的基礎(chǔ)上,提出了新的特征組合策略和采用了分類能力更強(qiáng)的分類器訓(xùn)練方

3、法,從而進(jìn)一步提高了識(shí)別準(zhǔn)確率。但是,基于面部運(yùn)動(dòng)單元表情識(shí)別方法是沒(méi)有考慮表情識(shí)別中的噪聲和遮擋等關(guān)鍵問(wèn)題的。因此,本文對(duì)另一項(xiàng)表情識(shí)別方法中的關(guān)鍵技術(shù)也進(jìn)行了研究,即對(duì)遮擋魯棒的表情識(shí)別技術(shù)。
　　由于生物視覺系統(tǒng)能夠非常輕易的分辨出帶有噪聲和遮擋的人臉表情,因此在模擬生物視覺系統(tǒng)的基礎(chǔ)上,基于稀疏表達(dá)的分類方法被越來(lái)越多的應(yīng)用到表情識(shí)別之中。本文在研究稀疏表達(dá)的基礎(chǔ)上,根據(jù)不同的應(yīng)用情況提出了多種改進(jìn)思路:(1)為了提高基于

4、稀疏表達(dá)分類方法的識(shí)別率,提出了采用方向梯度直方圖描述子替代傳統(tǒng)的特征;(2)提出了一種模擬生物視覺的表情識(shí)別模型,并以此模型為標(biāo)準(zhǔn)確定了局部二值化模式與方向梯度直方圖是最佳的特征提取方式,并使用基于貝葉斯理論的分類器融合方法對(duì)基于兩種特征的分類方法進(jìn)行了決策級(jí)上的融合,進(jìn)一步提升了識(shí)別準(zhǔn)確率;(3)針對(duì)前面兩種方法運(yùn)算時(shí)間過(guò)高的問(wèn)題,提出了2項(xiàng)特征選取準(zhǔn)則,并根據(jù)該準(zhǔn)則選取出了新的特征,雖然使用該特征分類方法的識(shí)別準(zhǔn)確率不如前面兩種方