人臉表情識(shí)別算法的研究及應(yīng)用.pdf

1、人臉表情識(shí)別技術(shù)是涉及生物特征識(shí)別、模式識(shí)別、圖像處理、機(jī)器視覺(jué)、運(yùn)動(dòng)跟蹤、生理學(xué)、心理學(xué)等研究領(lǐng)域的一個(gè)極富挑戰(zhàn)性的交叉課題，是近年來(lái)模式識(shí)別與人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)；它是情感計(jì)算、智能人機(jī)交互的重要組成部分，有著廣泛的應(yīng)用前景和潛在的市場(chǎng)價(jià)值。 人臉表情識(shí)別一般分為人臉檢測(cè)、特征提取、特征選擇和表情分類(lèi)等環(huán)節(jié)。本文主要研究了特征提取和表情分類(lèi)過(guò)程中的一些關(guān)鍵問(wèn)題，研究了一些改進(jìn)算法，并進(jìn)行了仿真實(shí)驗(yàn)。主要的工作如下：

2、 1、表情特征提取系統(tǒng)介紹并復(fù)現(xiàn)主動(dòng)形狀模型(ActiveShapeModel,ASM)，對(duì)影響ASM性能的各因素進(jìn)行實(shí)驗(yàn)與分析，針對(duì)傳統(tǒng)ASM存在的問(wèn)題研究?jī)蓚€(gè)改進(jìn)算法： (1)針對(duì)ASM受初始狀態(tài)影響的問(wèn)題，先使用PCDM方法，粗略定位眼睛的位置，根據(jù)人臉圖像的特點(diǎn)、眼睛在人臉中的幾何位置和平均形狀基本確定人臉中各個(gè)特征的位置。將其作為灰度搜索的初始狀態(tài)，避免因初始化位置過(guò)遠(yuǎn)引起的搜索速度減慢、搜索精度下降等問(wèn)題；

3、 (2)對(duì)構(gòu)建局部紋理模型的方法進(jìn)行改進(jìn)，從ASM的原始思想出發(fā)，在獲取局部紋理向量時(shí)，將法線(xiàn)方向改進(jìn)為關(guān)鍵點(diǎn)鄰域內(nèi)兩相鄰標(biāo)定點(diǎn)連線(xiàn)的垂線(xiàn)方向，從而充分利用標(biāo)定點(diǎn)之間的聯(lián)系與特征區(qū)域的紋理信息。 2、表情分類(lèi) 介紹并實(shí)現(xiàn)了人工魚(yú)群算法(ArtificialFish-SwarmAlgorithm，AFSA)，對(duì)影響AFSA性能的各參數(shù)進(jìn)行實(shí)驗(yàn)與分析，針對(duì)傳統(tǒng)AFSA存在的問(wèn)題研究了幾個(gè)改進(jìn)算法： (1)提出最佳步