基于情感模型的表情識別及應(yīng)用研究.pdf

1、遠(yuǎn)程教學(xué)是一種全新的網(wǎng)絡(luò)教學(xué)方式，該方式實現(xiàn)了多人、多地、隨時、多形式的綜合教學(xué)。但是由于其教學(xué)過程中時間與空間的隔離，導(dǎo)致雙方無法進行實時的情感交流，針對這種情況，本文對基于情感模型的表情識別方法的三個環(huán)節(jié)進行了研究，分別是情感模型的建立、檢測人臉、識別表情，通過上述過程獲取較為準(zhǔn)確、詳細(xì)的情感信息。
　　本文建立了基于模糊理論的三維情感改進模型，模型中選擇Ekman六類情感為基本情感，并且不同情感可由三維狀態(tài)空間中三個情感坐標(biāo)

2、的不同組合得到，同時利用模糊規(guī)則來劃分情感強弱程度。與傳統(tǒng)情感模型相比，不僅實現(xiàn)了情感與面部表現(xiàn)的對應(yīng)，并可以定量的表現(xiàn)各類情感的位置關(guān)系，各類情感不同程度的劃分使獲取的情感信息更加詳細(xì)，同時確定了利用該模型進行表情識別進而獲取較為詳細(xì)情感信息的基本流程。
　　遠(yuǎn)程教學(xué)中獲取的圖像一般為包含單個人臉的圖像，且圖像中人臉傾斜角度不定，當(dāng)傾斜角度較大時，直接利用Adaboost算法獲取人臉區(qū)域時會出現(xiàn)漏檢的情況。針對這一問題，先通過膚

3、色特征排除部分非人臉區(qū)域，同時引入人眼定位確定圖像中人臉傾斜角度，并將圖像旋轉(zhuǎn)，在此基礎(chǔ)上采用Adaboost算法檢測人臉。實驗結(jié)果表明，當(dāng)圖像中人臉傾斜角度不大于45度時，改進方法比傳統(tǒng)方法有更高的人臉檢測準(zhǔn)確率。
　　在識別表情環(huán)節(jié)中，采用支持向量機分類能有效處理非線性、維度高、訓(xùn)練數(shù)據(jù)少等現(xiàn)實情況，但是分類過程中其參數(shù)的選取對分類結(jié)果有較大的影響，會使平均準(zhǔn)確率降低。針對上述情況，在表情識別的應(yīng)用中采用了細(xì)菌覓食算法選擇支持