人臉表情特征表達與識別算法研究.pdf

1、人臉表情是人類溝通表達的重要組成方式，含有豐富的人體行為信息，是情緒情感最主要的載體，也是人腦智能的重要體現(xiàn)，其研究意義可以進一步深入到人類的情緒反應及心理狀態(tài)，在人機交互、機器智能、行為預測與控制等領域具有重要意義。
　　本文重點研究了基于圖像序列的人臉表情識別技術，本文從兩個嶄新的角度探索人臉表情識別的新方法：基于序列時間特性的表情識別研究；多元尺度分析進行運動軌跡降維。
　　基于序列時間特性的表情識別研究，以圖像序列的

2、時序特征作為突破口，通過共同動作特征的抽取將人臉表情的識別歸納為動作軌跡分析，分別對文中的五個目標類別的表情動作進行時間序列的動作抽取，建立對象-動作的運動模型，這樣就可以把表情識別的圖像內容檢索轉化為運動軌跡比對。這是后文進行運動軌跡降維的理論基礎。
　　多元尺度分析進行運動軌跡降維是本文另一個創(chuàng)新點。非度量降維與圖嵌入結合的方法可以在一個低維子空間提取人臉表情圖像序列的子流型，本文中子流型其實就是表情序列中五官的運動軌跡，此方

3、法旨在針對圖像序列的時序特點進行運動軌跡估計與相似性分析。數(shù)據(jù)集中人臉圖像的表情以圖像序列形式存在，用非度量的等距降維方法計算出2維空間上的點估計，并以序列的時間順序得到低維空間的運動軌跡曲線，鑒于相似表情的人臉圖像形成相似的曲線形狀，通過曲線幾何形狀的比對方法，即可在子空間內按圖像序列的語義特征獲得分類與識別結果。
　　本文的方法是該領域的一種新嘗試，用多元尺度分析的方法求取高維圖像數(shù)據(jù)在二維空間的有效映射，將表情識別分類問題轉