基于HSMM的人臉表情識別技術(shù).pdf

1、近年來，隨著人們對人機(jī)交互興趣的增加，表情識別逐漸成為一個(gè)研究熱點(diǎn)。人臉表情識別是指利用計(jì)算機(jī)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，實(shí)現(xiàn)人機(jī)之間更自然更智能化的交互。人臉表情識別的研究對于增強(qiáng)計(jì)算機(jī)的智能化和人性化，開發(fā)新型人機(jī)環(huán)境，以及推動心理學(xué)等學(xué)科的發(fā)展，有著重要的現(xiàn)實(shí)意義，并最終產(chǎn)生很大的經(jīng)濟(jì)效益和社會效益。 本文首先闡述了表情識別的研究背景、意義與現(xiàn)狀，并結(jié)合國內(nèi)外相關(guān)領(lǐng)域的研究技術(shù)，從人臉檢測、特

2、征提取等方面對目前表情識別的常用方法做了分析與總結(jié)。重點(diǎn)介紹了表情分類技術(shù)，扼要地分析了各種技術(shù)的優(yōu)缺點(diǎn)。 傳統(tǒng)的特征提取方法大多是針對整幅人臉進(jìn)行特征提取，但不能很好地解決部分人臉存在遮擋的問題。我們提出了基于分塊的離散余弦變換(Two-Dimension Discrete cosine transform，2D-DCT)表情特征提取方法。該方法首先對人臉表情圖像進(jìn)行分割，得到眼睛眉毛和嘴巴這兩個(gè)關(guān)鍵表情區(qū)域，然后分別對眼睛眉

3、毛區(qū)域和嘴巴區(qū)域提取2D-DCT系數(shù)，把2D-DCT系數(shù)作為觀察序列。通過定性分析表明，該方法具有一定的合理性和可用性。 隱馬爾可夫模型(Hidden Markov Models，HMM)在針對遮擋的人臉表情進(jìn)行識別方面的研究目前并不多見，而使用隱半馬爾可夫模型(Hidden Semi-Markov Models，HSMM)對遮擋人臉表情進(jìn)行識別的方法目前我們還沒有發(fā)現(xiàn)。本文提出了基于HMM和基于HSMM兩種針對帶遮擋的人臉表情