人臉面部統(tǒng)計(jì)建模的研究及其在表情識別中的應(yīng)用.pdf

1、計(jì)算機(jī)視覺和模式識別是當(dāng)今科研領(lǐng)域中前沿的課題，其中包含的一個(gè)重要內(nèi)容就是圖象理解。圖象理解的含義是指，不僅僅是能讓機(jī)器智能地恢復(fù)出圖象的結(jié)構(gòu)，而且能夠讓機(jī)器知道這幅圖象的意義，或者說這幅圖象究竟代表了什么。根據(jù)圖象理解的內(nèi)涵，首先應(yīng)該構(gòu)造一個(gè)合理的模型來表征圖象中所包含物體的結(jié)構(gòu)，然后讓計(jì)算機(jī)(機(jī)器)通過學(xué)習(xí)來智能地識別這種結(jié)構(gòu)。在當(dāng)前科研的背景下，我們意識到完成這項(xiàng)任務(wù)是非常艱巨和困難的。在過去的十幾年中，人們已經(jīng)利用統(tǒng)計(jì)建模的思想

2、對世界中的物體結(jié)構(gòu)如何描述進(jìn)行了一定的研究，但遠(yuǎn)遠(yuǎn)還沒有形成一套成熟、系統(tǒng)和廣泛應(yīng)用的理論模式；尤其是對于具有復(fù)雜結(jié)構(gòu)和易變形狀的物體，比如，人臉或人體的某些器官(如心室)等，構(gòu)造一個(gè)合理、泛化性能良好的模型來描述圖象中包含的物體結(jié)構(gòu)更加困難。 本文以人臉為研究對象，針對當(dāng)前主流的兩種統(tǒng)計(jì)建模方法，主動形狀建模(ASM)和主動面部建模(AAM)方法，對其中的若干關(guān)鍵問題進(jìn)行了深入地研究，并將研究成果應(yīng)用于面部表情識別系統(tǒng)，開拓了

3、面部表情識別算法的新思路，增強(qiáng)了系統(tǒng)的魯棒性，具體的研究內(nèi)容著重體現(xiàn)在以下幾點(diǎn)： 1．系統(tǒng)綜述了面部統(tǒng)計(jì)建模方法的歷史與現(xiàn)狀對國內(nèi)外該領(lǐng)域的研究動態(tài)進(jìn)行了詳細(xì)地綜述，并對面部統(tǒng)計(jì)建模中的重點(diǎn)、難點(diǎn)以及應(yīng)用前景進(jìn)行了闡述。 2．對傳統(tǒng)的主動形狀模型進(jìn)行了詳細(xì)地討論傳統(tǒng)主動形狀模型包括兩個(gè)子模型，全局形狀模型和局部紋理模型，它們分別是由對應(yīng)于訓(xùn)練集中的關(guān)鍵特征點(diǎn)進(jìn)行主分量分析獲得。全局形狀模型是對所搜索圖象中的物體的整體形狀

4、進(jìn)行約束，使之產(chǎn)生的形狀與訓(xùn)練集合中的形狀類似；而局部紋理模型則對如何進(jìn)行圖象的搜索指明了方向，為搜索能夠朝著最優(yōu)的方向提供了理論依據(jù)。 3．對傳統(tǒng)的主動面部模型進(jìn)行了深入地研究相對于主動形狀模型而言，傳統(tǒng)主動面部模型則包含了更加豐富的面部紋理信息，主要體現(xiàn)在模型的構(gòu)建過程中使用了全局的面部紋理信息，而不象主動形狀模型那樣，僅僅使用面部關(guān)鍵點(diǎn)附近(法線方向)的信息。因此，從某種意義上說，主動面部模型是主動形狀模型的推廣，它的性能

5、要優(yōu)于主動形狀模型；然而，由于使用了全部的面部紋理信息，同時(shí)帶來了計(jì)算量的增加。 4．對主動形狀模型進(jìn)行了推廣，提出了加權(quán)主動形狀模型針對主動形狀模型構(gòu)建中的幾個(gè)問題進(jìn)行了深入研究，體現(xiàn)在以下幾點(diǎn)： ·對主動形狀建模初期的預(yù)處理算法進(jìn)行了研究，將一般的廣義對齊算法進(jìn)行了核化，使其推廣到非線性的情況，增強(qiáng)了預(yù)處理的性能。 ·對較少標(biāo)定點(diǎn)條件下的主動形狀模型進(jìn)行了研究，根據(jù)人臉輪廓在整個(gè)面部信息中所占比重較大這一先驗(yàn)

6、知識，通過改變面部質(zhì)心的方式來進(jìn)一步提升搜索的速度，加快了ASM方法搜索的性能。 對傳統(tǒng)主動形狀模型中的局部紋理子模型進(jìn)行了研究，通過深入挖掘局部紋理的信息，將局部紋理模型進(jìn)行了推廣，由三個(gè)子模型來代替，分別從形狀的內(nèi)部、形狀本身及其外部三個(gè)方向來對其進(jìn)行約束，不僅提高了搜索的速度，同時(shí)也改善了搜索的精度。 5．局部信息缺損條件下的主動面部建模方法的研究在許多情況下，由于獲得的人臉面部圖象往往是有遮擋的或信息缺損的。針對

7、這種現(xiàn)象的經(jīng)常性，對局部信息缺損下的主動面部模型構(gòu)建進(jìn)行了深入的研究。借助于缺損信息條件下的主分量分析這一有利的工具，將傳統(tǒng)的主動面部建模方法推廣為局部信息缺損條件下的主動面部建模。實(shí)驗(yàn)證明，我們提供的方法在一定程度上可以將有遮擋的圖象恢復(fù)(重建)出來，而且在某種精度下可以取得令人滿意的效果。 6．將主動形狀模型運(yùn)用于面部表情識別將主動形狀模型、Gabor變換以及彈性圖匹配結(jié)合起來，應(yīng)用于面部表情識別，開拓了面部表情識別的新思路