基于選擇性特征提取與多HMMs的人臉表情識(shí)別研究.pdf

1、近年來(lái)，隨著人們對(duì)人機(jī)交互興趣的增加，表情識(shí)別逐漸成為一個(gè)研究熱點(diǎn)。人臉表情識(shí)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(dòng)，實(shí)現(xiàn)人機(jī)之間更自然更智能化的交互。人臉表情識(shí)別的研究對(duì)于增強(qiáng)計(jì)算機(jī)的智能化和人性化，開(kāi)發(fā)新型人機(jī)環(huán)境，以及推動(dòng)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(huì)效益。 本文首先綜述課題的研究背景，并分析目前國(guó)內(nèi)外已提出的主流人臉表情識(shí)別方法。在綜合分析了以往的

2、表情識(shí)別方法的基礎(chǔ)上，本文提出了基于灰度信息和Harris角點(diǎn)檢測(cè)的眼睛特征提取算法，基于選擇性特征提取結(jié)合分類(lèi)樹(shù)的表情識(shí)別算法和基于混合特征與多離散HMMs融合的表情識(shí)別算法，具體內(nèi)容如下： (1)基于灰度信息和Harris角點(diǎn)檢測(cè)的眼睛特征提取算法，該算法首先利用眼睛區(qū)域的灰度信息，提取出瞳孔的位置和大小，然后利用Harris角點(diǎn)檢測(cè)算法找到眼角點(diǎn)，最后利用曲線(xiàn)擬合算法擬合出眼睛的輪廓。眼睛特征的提取可作為人臉特征子區(qū)域的分

3、割依據(jù)，同時(shí)為主動(dòng)表觀模型中提取特征提供初始搜索位置。 (2)基于選擇性特征提取結(jié)合分類(lèi)樹(shù)的表情識(shí)別算法，由于表情圖像中各個(gè)表情區(qū)域?qū)ψR(shí)別每類(lèi)表情的貢獻(xiàn)不同，本文提出基于選擇性的特征提取方法，該方法根據(jù)上一級(jí)的粗分類(lèi)結(jié)果選擇對(duì)于區(qū)分某一個(gè)子類(lèi)表情貢獻(xiàn)較大的特征，以此來(lái)減少冗余信息的影響，同時(shí)也降低了計(jì)算量，提高了識(shí)別速度。根據(jù)模式識(shí)別理論中的聚類(lèi)思想，在識(shí)別階段采用基于分類(lèi)樹(shù)的方法，把整個(gè)分類(lèi)過(guò)程分為多級(jí)，在每級(jí)識(shí)別中采用模板匹

4、配和改進(jìn)的K-近鄰算法，減少了每級(jí)中的聚類(lèi)數(shù)目，提高了正確分類(lèi)的成功率。 (3)基于混合特征與多離散HMMs融合的人臉表情識(shí)別方法，該方法對(duì)于眼睛眉毛區(qū)域采用Gabor小波變換提取紋理變化特征，對(duì)于嘴巴區(qū)域采用改進(jìn)的AAM提取形狀變化特征，同時(shí)在表情樣本訓(xùn)練時(shí)采用貢獻(xiàn)分析法分析確定不同表情區(qū)域特征對(duì)六種表情各自的貢獻(xiàn)權(quán)值；在分類(lèi)識(shí)別階段，首先分別采用離散HMMs對(duì)每個(gè)區(qū)域進(jìn)行識(shí)別，最后采用訓(xùn)練階段得到的權(quán)值進(jìn)行加權(quán)融合得到識(shí)別結(jié)