基于面部關鍵點的人臉表情識別算法研究.pdf

1、人臉表情識別是指計算機自動感知人臉圖像的情感狀態(tài)。這個課題和肌肉解剖學、圖像分析、情感心理學、人機交互、自動化、生理學都有很深的聯(lián)系，研究本課題需要對各個背景都有一定的基礎準備；同時，課題的研究也是值得的，它對這些領域理論的發(fā)展和投入實際生活應用都有很大的幫助。根據(jù)系統(tǒng)的功能任務這個線索劃分推進研究進程，本文改進相關的算法。主要的工作如下：
　　1、人臉區(qū)域檢測
　　這一部分，本文采用基于Haar-like特征的空間人臉檢測

2、方法；詳細探尋了Haar分類器的原理及其檢測過程。實驗表明其人臉檢測的準確性和高效性。
　　2、面部特征提取
　?。?）表情表示方法的創(chuàng)新。面部表情編碼系統(tǒng)（FACS）理論，直指人臉表情發(fā)生的本質，本文用面部運動單元來量化表情；同時，采用面部關鍵點位置變化作為特征來描述面部運動單元，能有效的以較低維度的特征描述人臉肌肉群的運動。這樣描述表情更加合理，也便于建立模型。
　?。?）面部關鍵點定位算法的改進。本文提出了基于點

3、對比較特征的決策樹面部關鍵點定位算法，在主動形狀模型(ASM)的基礎上把關鍵點的局部紋理從一維拓展到二維中去，并用決策樹預測模型代替馬氏距離最小化方法來改進ASM中尋找關鍵點新位置的過程，避免表情大幅度變化、膚色等因素對灰度特征的影響。
　　3、表情分類
　　設計了一個兩級分類器：第一級分類器采用BP神經(jīng)網(wǎng)絡的方法分三個區(qū)域分別建立對應AU的預測模型，用于提取表情特征AU；第二級分類器采用BP神經(jīng)網(wǎng)絡分別為每種表情建立預測模