基于語(yǔ)義特征的面部表情識(shí)別方法研究及其應(yīng)用.pdf

1、面部表情識(shí)別（Facial Expression Recognition，F(xiàn)ER）旨在利用計(jì)算機(jī)技術(shù)提取面部表情特征，并運(yùn)用模式識(shí)別和機(jī)器學(xué)習(xí)方法進(jìn)行表情的分類(lèi)，進(jìn)而分析和識(shí)別人的情緒。面部表情識(shí)別是模式識(shí)別領(lǐng)域中一個(gè)重要的研究課題，研究?jī)?nèi)容涉及模式識(shí)別、計(jì)算機(jī)視覺(jué)、圖像處理、心理學(xué)等多個(gè)學(xué)科。典型的面部表情識(shí)別過(guò)程主要分為三個(gè)步驟：人臉檢測(cè)、特征提取和表情分類(lèi)。其中，特征提取和表情分類(lèi)是表情識(shí)別的關(guān)鍵步驟，直接影響著識(shí)別結(jié)果。本文將針

2、對(duì)表情的特征提取和表情分類(lèi)問(wèn)題進(jìn)行深入研究。
　　 首先，本文對(duì)情感的定義和分類(lèi)進(jìn)行了討論，并簡(jiǎn)要介紹面部表情識(shí)別的一些基本概念，包括面部表情識(shí)別的發(fā)展和現(xiàn)狀、面部表情識(shí)別的步驟與特征提取的常用方法、面部表情識(shí)別的應(yīng)用前景以及目前存在的問(wèn)題，并基于其中的問(wèn)題提出了一些相應(yīng)的解決方案。然后介紹了一種常用的稀疏方法-LASSO（Least Absolute Shrinkage and Selection Operator），包括LA

3、SSO的概念和定義以及相關(guān)的算法。
　　 其次，本文介紹了Gabor小波變換和區(qū)域協(xié)方差矩陣的面部表情特征提取和表示方法，表情語(yǔ)義特征的相關(guān)概念以及分析方法。在此基礎(chǔ)上，提出了基于稀疏典型相關(guān)分析和基于稀疏偏最小二乘回歸的面部表情識(shí)別方法，使用稀疏典型相關(guān)分析和稀疏偏最小二乘回歸兩種方法分別建立Gabor變換特征和區(qū)域協(xié)方差矩陣與語(yǔ)義特征之間的關(guān)系，最后使用語(yǔ)義特征進(jìn)行表情分類(lèi)。
　　 本文使用Ekman表情數(shù)據(jù)庫(kù)中14