基于半監(jiān)督學(xué)習(xí)和決策融合的人臉表情識(shí)別方法研究.pdf

1、所謂人臉表情識(shí)別，就是指通過分析特定人的臉部表情及變化，進(jìn)而確定其內(nèi)心情緒或思想活動(dòng)，實(shí)現(xiàn)人機(jī)間更自然更智能化的交互。傳統(tǒng)的表情模型的訓(xùn)練都是監(jiān)督學(xué)習(xí)，然而在現(xiàn)實(shí)中，獲得大量有標(biāo)記的樣本的代價(jià)是昂貴的，因此，如何利用僅有的少量已標(biāo)記樣本結(jié)合大量未標(biāo)記樣本來訓(xùn)練表情模型，使表情模型更具有代表性和普遍性，將具有重要的理論意義和實(shí)用價(jià)值。
　　 本文首先綜述課題的研究背景，并分析目前國內(nèi)外已提出的主流人臉表情識(shí)別方法。在綜合分析了以往

2、的表情訓(xùn)練方法和識(shí)別方法的基礎(chǔ)上，本文設(shè)計(jì)實(shí)現(xiàn)了圖像預(yù)處理和特征提取方法，提出了具有噪聲過濾功能的協(xié)同訓(xùn)練半監(jiān)督學(xué)習(xí)算法和基于對(duì)象模糊密度賦值的決策層融合人臉表情識(shí)別算法，主要內(nèi)容如下：
　　 (1)設(shè)計(jì)實(shí)現(xiàn)了符合實(shí)際應(yīng)用的人臉檢測、人臉圖像尺度歸一化及人臉圖像灰度均衡化算法和基于Gabor小波變換的人臉表情特征提取算法。將檢測到的人臉設(shè)計(jì)成矩形，將人臉圖像歸一化為長寬都是5的倍數(shù)，用灰度均衡化減小光照對(duì)圖像質(zhì)量的影響。采用像素

3、的矩形網(wǎng)格對(duì)預(yù)處理后的人臉圖像網(wǎng)格化，將用Gabor小波變換變換每個(gè)網(wǎng)格后得到的特征矢量的模做為人臉表情的特征。
　　 (2)提出了具有噪聲過濾功能的協(xié)同訓(xùn)練半監(jiān)督主動(dòng)學(xué)習(xí)算法。針對(duì)基于半監(jiān)督學(xué)習(xí)的分類器利用未標(biāo)記樣本訓(xùn)練會(huì)引入噪聲而使得分類性能下降的情形，提出了一種具有噪聲過濾功能的協(xié)同訓(xùn)練半監(jiān)督主動(dòng)學(xué)習(xí)算法，該算法以三個(gè)模糊深隱馬爾科夫模型進(jìn)行協(xié)同半監(jiān)督學(xué)習(xí)，在適當(dāng)?shù)臅r(shí)候主動(dòng)引入一些人機(jī)交互來補(bǔ)充類別標(biāo)記，來避免判決類別不相

4、同時(shí)的拒判和初始時(shí)判決一致即認(rèn)為正確的誤判情形，同時(shí)加入噪聲過濾機(jī)制，用以過濾由機(jī)器自動(dòng)標(biāo)記的可能是噪聲的樣本。圖像序列人臉表情識(shí)別實(shí)驗(yàn)表明，該算法能有效提高未標(biāo)記樣本的利用率并降低半監(jiān)督學(xué)習(xí)而引入的噪聲，提高了表情識(shí)別的準(zhǔn)確率。
　　 (3)提出了基于對(duì)象模糊密度賦值的決策融合算法。針對(duì)模糊積分在進(jìn)行決策層融合識(shí)別時(shí)，其模糊密度是根據(jù)已知類別樣本的先驗(yàn)靜態(tài)信息賦值的，并不能根據(jù)具體對(duì)象的識(shí)別結(jié)果進(jìn)行動(dòng)態(tài)調(diào)整使之更接近現(xiàn)實(shí)的情形

5、，提出了一種基于對(duì)象模糊密度賦值的決策層融合算法，該算法是利用各分類器識(shí)別具體對(duì)象時(shí)給出的客觀信息計(jì)算出其所屬類別的區(qū)分度，再結(jié)合先驗(yàn)靜態(tài)信息對(duì)模糊密度進(jìn)行動(dòng)態(tài)賦值的。采用NF-CT-SSAL算法進(jìn)行半監(jiān)督訓(xùn)練和基于對(duì)象模糊密度賦值的決策層融合算法進(jìn)行表情識(shí)別的實(shí)驗(yàn)結(jié)果表明，該算法可提高表情識(shí)別的準(zhǔn)確率。
　　 (4)采用面向?qū)ο蟮脑O(shè)計(jì)方法，并應(yīng)用所提出的算法，設(shè)計(jì)實(shí)現(xiàn)了基于圖像序列的人臉表情識(shí)別原型系統(tǒng)，從而從實(shí)驗(yàn)角度驗(yàn)證了上