基于視覺(jué)特征提取的人臉表情識(shí)別研究.pdf

1、在過(guò)去的二十年里，人臉表情識(shí)別是模式識(shí)別和人工智能領(lǐng)域的研究熱點(diǎn)，在人機(jī)互交中起著重要的作用。計(jì)算機(jī)和機(jī)器人如果能夠像人類(lèi)那樣具有理解和表達(dá)情感的能力，并能夠自主適應(yīng)環(huán)境，這將從根本上改變?nèi)伺c計(jì)算機(jī)之間的關(guān)系，使計(jì)算機(jī)能夠更好的為人類(lèi)服務(wù)。這也正是研究人臉表情識(shí)別并賦予計(jì)算機(jī)具有情感理解和情感表達(dá)課題的意義。許多應(yīng)用都要求人臉表情識(shí)別有足夠的準(zhǔn)確度，從而完成預(yù)定的目標(biāo)。例如情感分析、虛擬現(xiàn)實(shí)、視頻會(huì)議、醫(yī)學(xué)護(hù)理、商場(chǎng)和酒店的顧客滿(mǎn)意度測(cè)

2、試等等。因此，通過(guò)分析人臉表情所提供的信息，研究出魯棒、準(zhǔn)確、快速且智能的自動(dòng)人臉表情識(shí)別方法是非常重要的。這也將推動(dòng)人臉表情識(shí)別的應(yīng)用越來(lái)越廣。 本文首先闡述了面部表情識(shí)別的課題背景及其起源、發(fā)展與研究現(xiàn)狀，并結(jié)合國(guó)內(nèi)外相關(guān)領(lǐng)域的發(fā)展，從特征提取與表情分類(lèi)兩個(gè)角度對(duì)目前表情識(shí)別的主流方法做了詳細(xì)介紹。雖然人們互相之間辨別對(duì)方表情不是件困難的事情，但對(duì)于計(jì)算機(jī)而言卻并非那么得簡(jiǎn)單。因?yàn)槿四槺砬橐资苣挲g、種族、性別、光照等因素的影

3、響，并且人臉是一個(gè)塑性變形體，其上的表情變化幅度也千差萬(wàn)別，很難建立普遍適用的人臉表情模型。特征提取在表情識(shí)別過(guò)程中非常關(guān)鍵，對(duì)接下來(lái)的表情分類(lèi)產(chǎn)生至關(guān)重要的影響。根據(jù)主成分分析法，得到了適合表情識(shí)別的特征塊主成分分析法，進(jìn)一步把它推廣到二維，形成特征塊二維主成分分析法。此方法在降維的同時(shí)有效的保留了表情信息。此外，還對(duì)特征空間的維數(shù)確定問(wèn)題進(jìn)行了探索，得到了一些有益的結(jié)論。在特征提取方面，還提出了特征差值矩陣，這進(jìn)一步消除了不同表情之

4、間的相關(guān)性，提高了不同表情的可分性。 在表情識(shí)別方面，基于Manhattan距離得到了表情分類(lèi)方法——Manhattan距離分類(lèi)器，與傳統(tǒng)的歐氏距離、余弦距離分類(lèi)器進(jìn)行了比較，得到了比后兩者更快的計(jì)算速度和更好的識(shí)別率，顯示出了Manhattan距離分類(lèi)器在表情識(shí)別中的優(yōu)勢(shì)。為了克服不同表情樣本之間存在模糊性、數(shù)據(jù)交叉等情況引起識(shí)別率降低的問(wèn)題，應(yīng)用了量子神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)表情進(jìn)行分類(lèi)。量子神經(jīng)網(wǎng)絡(luò)是將量子神經(jīng)元與模糊理論相結(jié)合的模糊

5、神經(jīng)系統(tǒng)，它能將決策的不確定性數(shù)據(jù)合理地分配到各模式中，從而減少模式識(shí)別的不確定度，提高模式識(shí)別的準(zhǔn)確性。為了進(jìn)一步提高識(shí)別率，基于多分類(lèi)和多層級(jí)的思想設(shè)計(jì)出了分類(lèi)器組合和串級(jí)識(shí)別的方法。這時(shí)，分類(lèi)錯(cuò)誤所帶來(lái)的風(fēng)險(xiǎn)可能還比較大，為了降低分類(lèi)錯(cuò)誤的風(fēng)險(xiǎn)，引入了拒識(shí)的方法，并且提出了閾值自適應(yīng)調(diào)整機(jī)制根據(jù)不同的表情自動(dòng)的調(diào)整閾值。 在全文的結(jié)論部分，歸納了本文所做的主要工作和仍然存在的幾點(diǎn)不足，并對(duì)今后的基于圖像處理的面部表情識(shí)別研