基于Kinect的面部表情識別方法研究.pdf

1、隨著人工智能與模式識別技術(shù)的迅猛發(fā)展，關(guān)于面部表情識別技術(shù)的研究得到了人們越來越多的關(guān)注。傳統(tǒng)的面部表情識別方法還存在著著很大的局限性。在識別精度方面，現(xiàn)有的大部分研究是基于只能采集平面2D圖像的普通RGB傳感器實現(xiàn)的。用2D圖像描述3D的人臉必然會造成一些重要信息的丟失或失真，這很大程度上會影響表情識別的精度。識別速度方面，由于設備、算法等方面的原因，現(xiàn)實環(huán)境下的識別往往很慢，無法達到實時性要求。為了克服現(xiàn)有技術(shù)缺陷，本文引入了Kin

2、ect這一3D傳感器用于面部信息的獲取，基于高斯混合模型(Gaussian mixture model，GMM)和方向梯度直方圖(Histogramof Oriented Gradient，HOG)特征提出了一種用于單幀RGB-D圖像的表情識別算法;基于Kinect for Windows SDK獲取的實時面部動作單元(Animation Units，AUs)和特征點坐標(Feature Point Positions，F(xiàn)PPs)提出了

3、一種用于Kinect視頻的實時表情識別算法。
　　主要內(nèi)容如下:
　　(1)錄制Kinect面部表情數(shù)據(jù)庫。鑒于目前國內(nèi)外沒有基于Kinect較為完備的面部表情數(shù)據(jù)庫，課題組組織并錄制了包含面部RGB-D、面部6個動作單元AUs、面部71個特征點坐標FPPs的Kinect表情數(shù)據(jù)庫。該數(shù)據(jù)庫包含六種基本表情類別（高興、悲傷、驚訝、憤怒、害怕、厭惡）以及平靜狀態(tài)。
　　(2)針對包含深度信息的RGB-D面部數(shù)據(jù)，提出了一

4、種基于HOG-GMM特征的表情識別方法，在錄制的Kinect表情數(shù)據(jù)庫上，用此HOG-GMM表情特征結(jié)合支持向量機(Support Vector Machine，SVM)對六種基本表情以及平靜狀態(tài)進行識別。
　　(3)針對基于Kinect for Windows SDK提取的AUs和FPPs特征，提出了一種用于Kinect視頻的實時面部表情識別方法。AUs和FPPs各自為獨立的特征通道，每個特征通道中使用基于置信統(tǒng)計的動態(tài)融合算法