基于HMAX模型的人臉表情識別研究.pdf

1、人臉表情識別是一個涉及到模式識別、圖像處理、人工智能等多學(xué)科的綜合課題。所謂人臉表情識別是讓計算機(jī)對人臉的表情信息進(jìn)行特征提取分析,結(jié)合人類所具有的表情信息方面的先驗(yàn)知識使它進(jìn)行自我思考、推理以及判斷,進(jìn)而去理解人臉表情蘊(yùn)含的信息,實(shí)現(xiàn)人機(jī)之間智能化的交互。它在許多領(lǐng)域都有著潛在的應(yīng)用價值,包括機(jī)器人技術(shù)、圖像理解、視頻檢索、合成臉部動畫、心理學(xué)研究、虛擬現(xiàn)實(shí)技術(shù)等。
　　 對人臉表情識別的研究主要包括三個部分:人臉檢測、表情特

2、征提取以及表情分類。目前在這三個方面計算機(jī)視覺研究者們進(jìn)行了很多研究,但這三個方面仍有問題未得到很好的解決,包括人臉誤檢、表情識別的魯棒等。
　　 本文分析了目前國內(nèi)外有關(guān)人臉表情識別的理論和技術(shù),著重對人臉檢測、表情特征提取以及表情分類這三個環(huán)節(jié)進(jìn)行了深入研究,其主要研究內(nèi)容和成果如下:
　　 1.人臉檢測方面
　　 本文研究了Viola提出的基于Hart-like特征、積分圖、AdaBoost.M算法、級聯(lián)模

3、式的人臉檢測方法和人臉模板匹配技術(shù),分析了Viola人臉檢測方法產(chǎn)生人臉誤檢的原因,提出了把Viola人臉檢測方法和人臉模板匹配技術(shù)相結(jié)合來減少人臉誤檢率。
　　 本文首先采用Viola人臉檢測方法搜尋可疑人臉區(qū)域,在此基礎(chǔ)上,結(jié)合人臉模板匹配技術(shù),對找到的可疑人臉區(qū)域進(jìn)行驗(yàn)證以排除非人臉區(qū)域,獲得真正的人臉區(qū)域。
　　 2.特征提取方面
　　 本文研究了表情特征的分布和HMAX模型,并根據(jù)表情特征的分布特性對H

4、MAX模型的特征塊模板抽取方法做了改進(jìn),最后使用改進(jìn)的HMAX模型進(jìn)行表情特征的提取。所提取的表情HMAX特征與其他通過圖像處理得到的特征相比,具有更好的不變性和區(qū)分性。
　　 3.表情分類方面
　　 本文設(shè)計了基于AdaBoost.M2學(xué)習(xí)算法和BP神經(jīng)網(wǎng)絡(luò)的表情識別分類器。用BP神經(jīng)網(wǎng)絡(luò)作為弱分類器,利用AdaBoost.M2學(xué)習(xí)算法構(gòu)造一個強(qiáng)分類器作為表情識別的分類器。
　　 4.在上述理論研究的基礎(chǔ)之上,