基于語(yǔ)音和人臉的情感識(shí)別研究.pdf

1、情感識(shí)別是情感計(jì)算領(lǐng)域中的一個(gè)重要分支，是當(dāng)前信號(hào)處理、模式識(shí)別、人工智能、人機(jī)交互等領(lǐng)域的研究熱點(diǎn)。由于情感識(shí)別是一個(gè)多學(xué)科交叉的復(fù)雜研究課題，尚存在諸多問(wèn)題有待解決，尤其在特征提取、特征降維、識(shí)別方法以及多模態(tài)情感信息融合等方面還有待更深入地研究。
　　情感語(yǔ)音和人臉表情是人類(lèi)表達(dá)情感的最主要的兩種方式。本論文正是針對(duì)基于情感語(yǔ)音和人臉表情的情感識(shí)別方面的關(guān)鍵技術(shù)做了探索，提出了若干改進(jìn)算法應(yīng)用于情感識(shí)別。本論文的主要內(nèi)容為：

2、
　　1．綜述了語(yǔ)音情感識(shí)別和人臉表情識(shí)別兩個(gè)方面的研究歷史及現(xiàn)狀，概述了其中的重點(diǎn)和難點(diǎn)，如情感數(shù)據(jù)庫(kù)、情感特征提取與降維、以及情感的分類(lèi)算法等。
　　2．研究適用于語(yǔ)音情感特征數(shù)據(jù)的非線性降維算法，給出一種改進(jìn)的監(jiān)督局部線性嵌入（Improved-SLLE）算法。為了克服SLLE算法的不足，提出一種能夠提高 SLLE算法所產(chǎn)生的低維嵌入數(shù)據(jù)的判別力，并具備最優(yōu)泛化能力的改進(jìn)SLLE算法。該算法對(duì)提取的語(yǔ)音韻律特征和音質(zhì)特

3、征作非線性降維處理，從而在低維的嵌入特征空間里實(shí)現(xiàn)語(yǔ)音情感識(shí)別性能的改善。
　　3．研究適用于語(yǔ)音情感特征數(shù)據(jù)的基于核思想的非線性降維算法，提出一種核判別局部線性嵌入（KDLLE）算法。為了融合核方法和局部線性嵌入（LLE）算法，通過(guò)設(shè)計(jì)一個(gè)核判別距離，并在再生核 Hilbcrt空間（RKHS）上實(shí)現(xiàn)重構(gòu)誤差的最小化，從而提出一種具有判別性質(zhì)的核判別局部線性嵌入算法。該算法用于語(yǔ)音情感特征數(shù)據(jù)的非線性降維，不僅取得了比LLE更好的

4、低維可視化效果，而且也表現(xiàn)出優(yōu)越的語(yǔ)音情感識(shí)別性能。
　　4．研究語(yǔ)音情感的連續(xù)性動(dòng)態(tài)變化的跟蹤技術(shù)，提出一種基于“激發(fā)維-效價(jià)維-控制維（AVD）”三維連續(xù)空間模型的語(yǔ)音情感估計(jì)方法。根據(jù)情感維度表示理論，情感可定義為三維連續(xù)空間模型（AVD）上的坐標(biāo)點(diǎn)。每個(gè)AVD坐標(biāo)點(diǎn)就可以唯一地標(biāo)識(shí)某一種離散的情感類(lèi)型。通過(guò)采用回歸方法對(duì)情感語(yǔ)音的AVD坐標(biāo)值的連續(xù)性變化進(jìn)行預(yù)測(cè)估計(jì)，從而將針對(duì)離散情感的語(yǔ)音情感識(shí)別問(wèn)題轉(zhuǎn)化為針對(duì)連續(xù)性情感

5、變化的語(yǔ)音情感估計(jì)問(wèn)題，以便達(dá)到對(duì)語(yǔ)音情感表達(dá)的連續(xù)性動(dòng)態(tài)變化進(jìn)行追蹤的目的。
　　5．研究基于壓縮感知理論的魯棒性人臉表情識(shí)別技術(shù)，給出一種基于稀疏表示的人臉表情識(shí)別新方法。首先對(duì)要識(shí)別的受到腐蝕或遮擋的測(cè)試樣本表情圖像尋求其稀疏表示，然后采用壓縮感知理論求解其最稀疏的解，最后根據(jù)所求取的最稀疏解信息進(jìn)行表情分類(lèi)。在提取原始像素、局部二元模式（LBP）與 Gabor小波三種人臉表情特征之后，該方法可用于實(shí)現(xiàn)魯棒性的人臉表情識(shí)別。