Kinect環(huán)境下的面部表情識別應(yīng)用研究.pdf

1、隨著科技的發(fā)展,預(yù)防犯罪或在犯罪途中終止犯罪是有效解決安全領(lǐng)域的重大難題。特別是在反恐、刑偵鑒定、出入境管理、自助式政府服務(wù)、信息安全、金融服務(wù)、個人隱私保護和安全防衛(wèi)等領(lǐng)域,如何準(zhǔn)確鑒定一個人的真實身份信息,是一個必須解決的關(guān)鍵問題,已引起各國的廣泛關(guān)注和高度重視。
　　 目前均采用生物特征識別技術(shù),利用人的生理特征或行為特征,來進行個人身份的鑒定。已被用于生物識別的生物特征如表所列,雖然表情識別方法越來越多,但是傳統(tǒng)方法有一

2、個共同點,基本都是首先獲取人體的二維彩色圖像,然后利用臉部識別技術(shù),獲取人體臉部的二維彩色圖像并且捕捉到人體臉部的各個器官(例如眼睛,鼻子,嘴等)的二維坐標(biāo)位置。通過判斷這些器官的二維坐標(biāo)的位置變化,來進行面部表情識別。這種方法對于適用范圍有很大的限制。例如實驗者臉上修飾過,如化妝、佩戴眼鏡、口罩、帽子等物品,或者光照強度不適中,有遮擋物都會對實驗結(jié)果造成非常大的影響。
　　 Kinect是近幾年出現(xiàn)的新的技術(shù),kinect對全

3、身骨骼做抓取效果明顯,但是對于面部的體貌特征只能識別鼻骨,卻不能對其他面部的骨骼作出有效的分析,本文結(jié)合圖像處理技術(shù)實現(xiàn)對眉骨、鼻骨、上下顎、顴骨分析,抽取面部表情特征,從而將kinect應(yīng)用引入到情感計算領(lǐng)域。
　　 本文的主要工作如下;
　　 (1)基于圖像處理技術(shù),對Kinect深度圖像預(yù)處理,獲取面部點分布模型(PointDistribution Model,PDM)。實現(xiàn)對眉骨、鼻骨、上下顎、顴骨分析,解決了k

4、inect只能對全身骨骼做抓取的局限性,把kinect應(yīng)用引入到情感計算領(lǐng)域。
　　 (2)提出了改進的PDM算法。利用Gabor小波變換系數(shù)進行人臉識別的彈性圖匹配,建立起反映目標(biāo)形狀變換規(guī)律的形狀統(tǒng)計模型和反映灰度分布規(guī)律的局部灰度模型。在搜索過程中,首先利用訓(xùn)練得到的局部灰度模型進行搜索,之后利用形狀模型來對搜索到的形狀進行近似表示,對不合理的形狀進行調(diào)整以保證形狀在統(tǒng)計意義上的合理性,通過循環(huán)迭代,得到理想的面部表情特征