人臉表情特征提取及層級(jí)分類研究.pdf

1、人臉表情識(shí)別是情感計(jì)算研究領(lǐng)域的重要分支，對(duì)于人機(jī)交互的實(shí)現(xiàn)有著重要的意義。本文對(duì)人臉表情識(shí)別中的特征提取和分類識(shí)別兩方面進(jìn)行了分析和研究，對(duì)傳統(tǒng)的幾何特征提取方法和傳統(tǒng)的紋理特征提取方法進(jìn)行了改進(jìn)，并根據(jù)不同特征的自身分布特性，提出了有效的特征融合分類方法。本文的主要工作如下:
　　(1)針對(duì)傳統(tǒng)幾何特征提取方法對(duì)于人臉個(gè)體差異的不魯棒，提出一種基于中性臉相似度的面部幾何特征提取方法。在表情識(shí)別過(guò)程中，首先利用多尺度矢量三角形方

2、法度量測(cè)試樣本與訓(xùn)練中性樣本的相似度;然后設(shè)定閾值選取相似度較大的中性臉樣本;再利用主動(dòng)外觀模型（Acitve Appearance Model，AAM）進(jìn)行面部關(guān)鍵點(diǎn)定位，分別求取測(cè)試樣本與每個(gè)相似中性樣本間的特征點(diǎn)比例系數(shù);最后根據(jù)相似度計(jì)算出測(cè)試樣本的自適應(yīng)加權(quán)幾何特征，并利用支持向量機(jī)(Support Vector Machine，SVM)進(jìn)行表情特征分類。實(shí)驗(yàn)結(jié)果表明，基于中性臉相似度的面部幾何特征提取方法取得了優(yōu)于傳統(tǒng)幾何特

3、征提取方法識(shí)別效果，有效減少了個(gè)體差異給表情識(shí)別帶來(lái)的不利影響。
　　(2)針對(duì)傳統(tǒng)紋理特征提取方法在表情識(shí)別上的局限性，提出一種基于充分矢量三角形的面部紋理特征提取方法。首先將人的眉毛、眼睛和嘴巴3個(gè)對(duì)表情識(shí)別貢獻(xiàn)較大的器官分割出來(lái)，使得特征描述更具有針對(duì)性;然后構(gòu)造充分矢量三角形以統(tǒng)計(jì)圖像的輪廓特征與細(xì)節(jié)特征;最后，對(duì)于不同的表情器官采用不同尺度的充分矢量三角形描述，對(duì)于同種表情器官采用多種尺度的充分矢量三角形聯(lián)合描述。實(shí)驗(yàn)結(jié)

4、果表明，基于充分矢量三角形的面部紋理特征提取方法良好的表達(dá)了圖像的局部紋理特征且具有較低的時(shí)間復(fù)雜度。
　　(3)根據(jù)不同特征的自身分布特性，提出了一種基于紋理和幾何特征的人臉表情層級(jí)分類方法。首先分別提取圖像的全局幾何特征和局部紋理特征;然后利用不同的特征訓(xùn)練出不同的SVM分類器;最后根據(jù)特征自身的分布特性，分別從局部層、全局層進(jìn)行表情類別判定，局部層和全局層中無(wú)法判定的表情將累積到混合層中，根據(jù)后驗(yàn)概率最終確定表情所屬類別。實(shí)