基于AAM金字塔和多專家決策的人臉表情識別.pdf

1、人臉表情識別(Facial Expression Recognition,簡稱FER)是人工智能中一個非常重要且十分復(fù)雜的課題。人臉表情識別是指利用計算機對人臉圖像進(jìn)行分析,然后對其為哪種表情進(jìn)行自動判別。人臉表情識別涉及模式識別、機器視覺、情感計算、心理學(xué)等領(lǐng)域,是近些年來的一個研究熱點,得到了較快的發(fā)展。
　　 本文首先概述了人臉表情識別的研究背景和應(yīng)用領(lǐng)域,然后對其現(xiàn)狀和存在的問題進(jìn)行了分析。在學(xué)習(xí)前人研究成果和跟蹤國內(nèi)外

2、相關(guān)領(lǐng)域相關(guān)技術(shù)的最新進(jìn)展的基礎(chǔ)上,提出了使用活動單元組合對靜態(tài)圖像進(jìn)行表情識別的方法。本文所做的主要工作如下:
　　 1.將目前國際上研究較熱的主動表觀模型(Active Appearance Models,簡稱AAM)引入人臉表情識別領(lǐng)域中；
　　 2.使用了基于多分辨率的AAM擬合算法,即AAM金字塔模型,并詳細(xì)介紹了其訓(xùn)練和擬合的過程。使用AMM金字塔模型對人臉特征點的位置進(jìn)行精確定位,同時舍棄了經(jīng)典的用58或6

3、8個特征點表征人臉的方法,而選用了24個特征點,提高了算法的效率和正確率；
　　 3.對靜態(tài)圖像的表情識別提出使用活動單元組合進(jìn)行識別的方法,并說明了其可行性和具體步驟；
　　 4.使用特征點位置和紋理進(jìn)行活動單元的提取:對眼睛和嘴巴部分的活動單元,使用特征點的位置信息進(jìn)行提取,對鼻子和下巴區(qū)域的活動單元,使用紋理信息進(jìn)行提??；
　　 5.提出了基于多專家決策的表情識別算法,用其進(jìn)行最終的表情識別,并介紹了算法的