基于統(tǒng)計方法的面部表情識別研究.pdf

1、面部表情識別所要研究的是如何自動、可靠、高效地識別出人臉表情所傳達的信息，并利用這些信息推測人的心理活動，為后續(xù)工作提供依據(jù)，其目的在于建立友好、人性化的人機交互界面，使計算機具備感知和理解人的情緒的能力。但到目前為止，要建立一個魯棒的自動人臉表情識別系統(tǒng)還存在許多困難尚未解決。本文在總結(jié)前人研究成果的基礎(chǔ)上，從模式識別和機器學(xué)習(xí)的角度出發(fā)，利用統(tǒng)計學(xué)的方法對面部表情識別進行研究。 本文工作的重點在人臉特征的精確定位、表情特征提

2、取和表情分類三個方面。在人臉特征的精確定位上，本文提出了多種方法改進主動形狀模型(activeshapemodel，ASM)的性能，提高人臉特征定位的準(zhǔn)確性和精確性。將局部二元模式(localbinarypattern，LBP)引入表情識別，以取得更好的表情特征提取結(jié)果。并將LBP與嵌入式隱馬爾可夫模型(embeddedhiddenMarkovmodel，EHMM)結(jié)合，利用LBP抽取的表情特征訓(xùn)練EHMM表情模型，提出基于LBP-EH

3、MM表情識別方法。使用Matlab和C++等工具完成特征提取和表情識別驗證性實驗。 本文首先對人臉特征的精確定位展開研究，重點放在對具有良好統(tǒng)計性能和泛化能力的主動形狀模型的研究上。ASM用統(tǒng)計的方法建立人臉特征的形狀模型和局部紋理模型，利用形狀模型對人臉的形狀進行約束，再通過對局部紋理模型的匹配將識別問題轉(zhuǎn)化為一個最優(yōu)化的問題。本文在傳統(tǒng)的多尺度ASM基礎(chǔ)上，提出了基于人眼、嘴角等特征信息的ASM搜索模型的初始定位方法和反復(fù)迭

4、代的搜索策略，提高了ASM收斂的正確率。同時對局部紋理模型進行改進，提出加權(quán)子模型ASM和2D子模型ASM，大大增強了ASM收斂的精度。 基于隱馬爾可夫模型(hiddenMarkovmodel，HMM)改進的嵌入式隱馬爾科夫模型具有良好的二維結(jié)構(gòu)描述能力，已在人臉識別中得到應(yīng)用。本文利用EHMM對人臉表情進行表情建模和分類，實現(xiàn)了基于EHMM的表情識別方法。在此基礎(chǔ)上，引入了局部二元模式。提出基于LBP-EHMM表情識別方法，通