人臉表情識別關鍵技術的研究.pdf

1、無論是語言的還是非語言形式的溝通，在人們的日常生活與工作中都是非常重要的，而面部表情則是非語言溝通中最有效的溝通方式，表情可以為我們提供情感狀態(tài)、心態(tài)、意圖等線索。關于面部表情識別的應用也正在滲透至各個領域，如安全駕駛、商品銷售、臨床醫(yī)學等等。本文對面部表情識別相關技術進行研究，主要工作及貢獻如下:
　　(1)基于WPCANet及分塊加權直方圖的靜態(tài)表情識別。
　　將分塊WPCA的非監(jiān)督式濾波器組的學習與深度卷積神經(jīng)網(wǎng)絡的多

2、階段特征提取結構相結合，構建WPCANet網(wǎng)絡模型，實現(xiàn)關于靜態(tài)人臉表情特征的非監(jiān)督式多階段提取;進一步基于訓練樣本的表情類別信息，生成體現(xiàn)類鑒別特性的權重圖像，在此基礎上實現(xiàn)關于人臉表情樣本特征的加權分塊直方圖描述;最終結合線性C-SVM分類模型，完成基于靜態(tài)人臉圖像的七種基本表情類型的識別。
　　基于JAFFE靜態(tài)表情庫的實驗驗證了算法的有效性。
　　(2)基于多視覺描述子及音頻特征的動態(tài)表情識別。
　　研究非約束

3、條件下人臉動態(tài)表情識別，提出了一種基于多視覺描述子及音頻特征融合策略的動態(tài)表情識別算法。借助多視覺描述子的空時局部特征描述實現(xiàn)動態(tài)表情特征的提取;而視頻、音頻特征的融合策略改善了表情識別性能?；趨f(xié)方差矩陣及時間軸分段的動態(tài)規(guī)整，有效地解決了具有不同時長的動態(tài)表情序列的樣本描述。
　　為進一步改善表情識別模型的泛化性能，本文引入了基于多個體識別模型加權投票的集成識別模型。針對投票過程中的權值學習，提出了基于隨機重采樣的投票權重學習