一種改進(jìn)的人臉表情識(shí)別方法研究.pdf

1、隨著人類智能化要求的提升以及科學(xué)技術(shù)的發(fā)展,使計(jì)算機(jī)能夠理解人的情感、適應(yīng)人的自然交流方式是未來發(fā)展趨勢。人臉表情包含著豐富的情感信息,反映著人類的內(nèi)心世界,是一種重要的非語言交流方式。因此,人臉表情識(shí)別相關(guān)技術(shù)成為了計(jì)算機(jī)信息處理領(lǐng)域的研究熱點(diǎn),得到了各界人士的重視,廣泛應(yīng)用于遠(yuǎn)程教育、臨床醫(yī)學(xué)、安全駕駛輔助、人機(jī)交互、智能機(jī)器人等領(lǐng)域。
　　 在面部表情識(shí)別過程中,特征提取步驟和分類識(shí)別步驟是其核心部分,決定著識(shí)別結(jié)果的好壞

2、。本文通過對(duì)這兩個(gè)步驟的研究,提出了一種改進(jìn)的人臉表情識(shí)別方法,主要包括以下幾個(gè)方面的內(nèi)容:
　　 1.研究了如何獲取表情識(shí)別最有貢獻(xiàn)的特征,使特征提取更加有效。本文提出了基于局部二值模式(LBP)的層次特征提取法,該方法結(jié)合分層和分塊的思想,分兩次對(duì)圖像進(jìn)行分塊,分別提取圖像的整體和局部信息。并在局部特征提取階段,采用權(quán)重策略對(duì)鼻子和眼、嘴器官所在分塊賦予更高的權(quán)值,突出其重要性,更好地提取描述人臉表情的特征信息。
　　

3、 2.研究了如何選擇分類識(shí)別方法,使之與層次特征提取法進(jìn)行有效結(jié)合,使表情識(shí)別率得到提高。經(jīng)過分析比較,本文選擇了嵌入式隱馬爾可夫模型作為識(shí)別方法,并將層次特征提取法所提取的LBP直方圖作為嵌入式隱馬爾可夫模型的初始向量,即形成觀察序列。這樣的組合方式既有效解決了EHMM模型初始向量很難確定的問題,又充分利用了層次特征提取法計(jì)算簡潔快速的特點(diǎn)和嵌入式馬爾可夫模型識(shí)別高精度的優(yōu)點(diǎn)。
　　 3.研究了所提出層次特征提取法的分塊方式

4、。本文采用了一種與EHMM模型相適應(yīng)的分塊方式,該方法將二維的人臉表情圖像由上到下分為五個(gè)部分二十一個(gè)子塊,對(duì)應(yīng)嵌入式隱馬爾可夫模型中的五個(gè)超級(jí)狀態(tài)和二十一個(gè)子狀態(tài)。這樣的對(duì)應(yīng)關(guān)系,充分利用人臉表情的最有效特征與EHMM的二維性質(zhì),對(duì)整體識(shí)別率極具貢獻(xiàn)。
　　 最后,使用JAFFE人臉數(shù)據(jù)庫,并采用所提出的層次特征提取法和嵌入式隱馬爾可夫模型相結(jié)合的方式,在MATLAB上實(shí)現(xiàn)七種人臉表情識(shí)別的仿真實(shí)驗(yàn),并與相關(guān)聯(lián)方法進(jìn)行對(duì)比,證