基于靜態(tài)圖像的人臉表情識別研究.pdf

1、人臉表情識別技術是涉及生物特征識別、模式識別、圖像處理、機器視覺、運動跟蹤、生理學、心理學等研究領域的一個極富挑戰(zhàn)性的交叉課題，是近年來模式識別與人工智能領域的一個研究熱點：它是情感計算、智能人機交互的重要組成部分，有著廣泛的應用前景和潛在的市場價值。近年來，在國內外各大科研院所和高校的共同努力下，人臉表情識別技術快速發(fā)展，但各種問題也隨之產生。目前尚有許多難點問題沒有解決，至今也沒有一套實際應用的系統(tǒng)面世。 人臉表情識別一般分

2、為人臉檢測、特征提取、特征選擇和表情分類等環(huán)節(jié)。本文主要研究了特征提取、特征選擇和表情分類過程中的一些關鍵問題，提出了一些改進算法，并進行了仿真實驗。主要的工作如下： 1．用基于統(tǒng)計理論的主動外觀模型(Active Appreance Models，AAM)作為人臉特征點定位的方法并進行了實驗。 2．對現(xiàn)有的幾何特征做了一個總結。根據(jù)目前已有的、涉及人臉表情幾何特征的文獻，總結出了一個特征表。它幾乎可以囊括全部文獻中提出

3、的幾何特征。 3．首次使用粗糙集理論的屬性約簡方法做人臉表情特征選擇。粗糙集理論的屬性約簡方法是一種不依賴于先驗知識的特征選擇方法，已應用于諸多領域，有其獨特的優(yōu)越性。本文把粗糙集屬性約簡方法應用于人臉表情的幾何特征選擇，取得了良好的效果，有效地降低了特征的維數(shù)。 4．提出將粗糙集屬性約簡與支持向量機相結合的RS-SVM方法。支持向量機是上世紀90年代新發(fā)展起來的一種高效分類方法，雖然從理論建立到現(xiàn)在只有短短的10年時間

4、，但它已廣泛地應用于各個領域。支持向量機的理論基礎是統(tǒng)計學習理論。研究者們已經從理論上證明支持向量機是一種優(yōu)秀的學習機器，因為它能夠保證在小樣本訓練集下達到最大的泛化能力。本文把粗糙集的屬性約簡方法與支持向量機相結合，先用屬性約簡進行預處理，然后再用支持向量機分類。實驗表明，該方法可以有效的降低支持向量機的運算復雜度，而分類能力只有小幅度的下降甚至不下降。 5．開發(fā)了一個人臉表情識別實驗系統(tǒng)(Facial Expression