基于混合特征融合和離散HMM的人臉表情識別研究.pdf

1、本文在前人有關(guān)表情識別方法研究的基礎(chǔ)上，提出了基于離散小波變換和標(biāo)準(zhǔn)正交非負(fù)矩陣分解(DWT—ONMF)的紋理特征提取方法，提出了基于主動表觀模型(AAM)的幾何形變特征提取方法，并將提取的兩種表情特征利用典型相關(guān)分析(CCA)進(jìn)行特征融合，將融合后得到的混合特征作為離散隱馬爾可夫模型(HMM)的觀察值向量，進(jìn)行表情的分類識別。主要工作體現(xiàn)在以下幾個方面： (1)針對目前非負(fù)矩陣分解方法在表情特征提取方面存在的分解時間長和信息冗

2、余的問題，提出了兩維離散小波變換和標(biāo)準(zhǔn)正交非負(fù)矩陣分解相結(jié)合的特征提取方法。該方法首先對人臉表情圖像進(jìn)行兩維離散小波變換，提取保存有大部分原圖像信息的低頻信息作為研究對象，然后針對低頻信息進(jìn)行標(biāo)準(zhǔn)正交非負(fù)矩陣分解，得到用于圖像分類的標(biāo)準(zhǔn)正交特征子空間，通過將圖像序列向該子空間投影進(jìn)行紋理特征提取。 (2)提出了紋理特征和幾何形變特征的混合特征提取方法。采用離散小波變換和標(biāo)準(zhǔn)正交非負(fù)矩陣分解的方法提取表情圖像的紋理信息；采用主動表

3、觀模型(AAM)定位圖像序列中各幅人臉圖像的68個特征點，選取其中的眉毛，眼睛，鼻子和嘴巴區(qū)域的16個關(guān)鍵點，然后計算圖像序列中表情幀和中性幀的表情關(guān)鍵點的坐標(biāo)差提取幾何形變特征。 (3)提出了基于混合特征融合和離散HMM分類識別的表情識別方法。針對提取的紋理特征和幾何形變特征之間可能存在的信息冗余，采用典型相關(guān)分析(CCA)對這兩種特征進(jìn)行特征融合，將融合后的特征作為離散HMM的觀察值向量，用來訓(xùn)練針對六種表情建立的離散HMM