三維人臉表情識別中特征提取算法研究.pdf

1、表情是人類情感理解和分析的主要載體之一。人臉表情識別的目的是讓計算機學(xué)習(xí)人類的情感表達，使其能像人類一樣具有識別、理解和表達情感的能力。隨著人們對計算機智能性要求的日益增強，該課題已受到國內(nèi)外研究機構(gòu)的廣泛關(guān)注。
　　傳統(tǒng)基于二維圖像的人臉表情識別已取得較好的識別結(jié)果，但仍存在一些問題沒有解決，如光照及姿態(tài)變化等，而這是由二維圖像的固有屬性決定的，因此，基于二維圖像的人臉表情識別很難突破該類問題。三維人臉表情是對表情的三維形狀的表

2、達，其獲取不受光照等外部環(huán)境變化的影響。因此，三維人臉表情能夠有效避免這些外部因素的影響，從而獲得較好的識別結(jié)果。本文在對三維人臉表情深入分析的基礎(chǔ)上，針對特征提取算法進行研究。主要的研究內(nèi)容和創(chuàng)新點包括以下四個方面:
　　1.引入夾角特征，并提出其與距離特征融合的人臉表情特征描述形式
　　基于FACS(Facial Action Coding System)對不同人臉表情定義的對比，本文首先提出夾角特征用于表征表情變化引起

3、的人臉形變信息。而傳統(tǒng)距離特征可用于描述人臉上發(fā)生的相對位移，這兩組特征分別對人臉表情變化的不同屬性進行描述，使得它們的特征分布的相關(guān)性較小。因此，本文進一步提出采用這兩組特征融合的方法獲取更多的人臉表情變化信息量，從而實現(xiàn)對人臉表情更精準的描述。實驗表明，本文提出的夾角特征對人臉表情的表征具有一定的適用性，且它與距離特征的融合能夠有效地改善三維人臉表情的識別結(jié)果。
　　2.提出了基于PCA相對熵的特征鑒別力判斷準則
　　根

4、據(jù)貝葉斯理論分析可得，特征的鑒別力依賴其異構(gòu)的條件概率分布，相對熵可用于評估兩組概率分布之間的差異。本文基于算術(shù)平均法改進了相對熵使其具有對稱性，以滿足度量要求。同時，融入PCA算法，使得PCA相對熵具有更好的普適性。該準則計算復(fù)雜度小，可用于有效地選取鑒別力強的表情特征。實驗中對三維人臉表情提取多組特征，并采用多種分類器進行表情識別。結(jié)果表明，三維人臉表情的識別結(jié)果與其所采用特征的PCA相對熵的相對變化趨勢保持一致，從而驗證了該準則的

5、有效性。
　　3.提出了基于平均中性臉生成人臉表情深度差分圖的算法
　　本文首先提出采用三維柵格化的方法將三維人臉的存儲形式轉(zhuǎn)換為方格結(jié)構(gòu)，并統(tǒng)計獲得三維人臉的平均中性臉，進而去除原三維人臉表情的中性臉成分，并生成其對應(yīng)的深度圖。由于該類人臉表情深度圖去除了中性臉成分，僅由表情的殘留成分表征人臉表情的變化，使得所獲得的人臉表情特征具有更好的表情可分性和個體無關(guān)性。實驗表明，基于平均中性臉生成的人臉表情深度差分圖保留了人臉表情

6、變化的主要信息，并有效地保持了人臉表情變化的相對強度及其主要集中于人臉局部區(qū)域的特性。該類深度圖能夠有效地表征人臉表情變化的本質(zhì)特性，提高其識別結(jié)果，這進一步驗證了利用深度圖分析三維人臉表情的有效性。
　　4.提出了一種有效的三維人臉表情特征:IreEnLBP
　　本文首先提出“類圖像方格結(jié)構(gòu)”，并基于該結(jié)構(gòu)實現(xiàn)三維人臉表情的預(yù)處理，使得傳統(tǒng)的特征可直接用于表征三維人臉的表情變化。進而提出了基于人臉特征分布的“不均勻子塊劃分

7、法”和“熵加權(quán)算法”，并應(yīng)用于LBP特征，最終提出一種有效的三維人臉表情特征:IreEnLBP。該特征不僅具有LBP特征的局部描述特性，而且“不均勻子塊劃分法”依照人臉主要器官的分布情況劃分子塊，以保證人臉局部器官結(jié)構(gòu)的完整性，使得不同表情對應(yīng)劃分出不同的人臉子塊，進而提高所提取特征的類間可分性。同時，基于每一子塊的熵值對局部特征賦予權(quán)重，使得所獲得的IreEnLBP特征體現(xiàn)出不同局部區(qū)域?qū)Ρ砬樽兓挠绊懀鰪娖鋵Σ煌砬槊枋龅莫毺匦浴?/p>