基于機(jī)器人視覺的面部表情識別技術(shù)研究.pdf

1、隨著服務(wù)機(jī)器人智能化程度不斷提高，基于表情識別的人機(jī)交互技術(shù)已逐漸成為研究熱點(diǎn)。相對于語音和手勢，表情交互在服務(wù)機(jī)器人多方式人機(jī)交互中的地位無可替代，例如對于行動或語言能力有缺陷的病人，機(jī)器人理解其面部表情則成為最主要的交互方式。因此服務(wù)機(jī)器人具備面部表情識別功能，對實(shí)現(xiàn)人性化，自然化和智能化的人機(jī)交互有著重大意義。
　　本文面向室內(nèi)環(huán)境下人機(jī)交互需求，基于機(jī)器人單目攝像頭獲取視頻信息，提出了層次化的面部檢測及表情識別系統(tǒng)，分別就

2、該系統(tǒng)的兩個關(guān)鍵環(huán)節(jié)：（1）人臉檢測定位與跟蹤；（2）表情特征提取與分類開展了深入研究，開發(fā)出具有較高實(shí)時性及識別率的面部表情識別系統(tǒng)，實(shí)現(xiàn)了對憤怒、厭惡、恐懼、高興、中性、悲傷及驚奇共7種基本表情的實(shí)時識別。
　　在人臉檢測識別與跟蹤部分，本文提出一種由粗到精的人臉檢測定位方法，即在基于膚色概率模型進(jìn)行人臉區(qū)域粗定位的基礎(chǔ)上，提出了基于顏色、紋理特征混合模型的人臉特征定位方法，對嘴唇及雙眼進(jìn)行了定位。在此基礎(chǔ)上，本文使用高效粒子

3、濾波算法對人臉區(qū)域進(jìn)行實(shí)時跟蹤，代替耗時的人臉粗定位算法，從而有效提高了系統(tǒng)的實(shí)時性。同時，本文對檢測到的人臉區(qū)域進(jìn)行了尺寸及灰度的規(guī)范化處理以滿足后續(xù)基于統(tǒng)一標(biāo)準(zhǔn)提取表情特征的需求。
　　針對表情特征提取與分類部分，本文采用二維Gabor變換與支持向量機(jī)理論相結(jié)合的方法。首先分析了二維Gabor變換的空頻域局部化特性及其對表情圖像的響應(yīng)特性，實(shí)驗(yàn)對比了在不同分辨率下提取表情特征對分類性能的影響，設(shè)計覆蓋3個尺度4個方向的二維Ga