论文部分内容阅读
人脸表情识别技术是生物特征识别、情感计算、心理学、机器视觉等领域的一个极富挑战性的交叉课题,是近年来的一个研究热点。尽管人脸表情自动识别技术在各种潜在应用的推动下发展很快,但到目前为止,要建立鲁棒的实时人脸表情自动识别系统还有许多难点问题尚未解决。 在总结前人研究成果的基础上,针对人脸表情识别技术的特殊性和困难所在,本文研究了一些改进算法并且进行了实验,工作重点为以下几个方面。 (1)研究了遗传算法(Genetic Algorithm,GA)在人脸检测中的应用,其中包括复杂背景下多人脸遗传检测方法、基于人脸对称性的人脸混沌量子遗传(Chaotic Quantum Genetic Algorithm,CQGA)检测、AdaBoost特征的量子优化选取算法。在研究中,遗传算法同人脸的结构信息、对称特性以及人脸的统计特性有机结合起来,实验结果表明遗传算法在人脸检测中的应用能够在保证较高的检测率的同时提高人脸检测速度。研究了一种多尺度指导的多分类器调度人脸检测算法,该算法在综合使用帧间信息和肤色信息以及人眼点检测作为粗筛选,在粗筛选的基础上根据分析窗口的大小选择不同的分类器和特征进行人脸的检测,充分考虑了分辨率对人脸特征的影响。实验结果表明该方法在时间效率和检测率上都优于单一策略的人脸检测方法。 (2)分析了人脸表情特征及其选取原则,重点论述了纹理特征、特征点特征和密集点运动特征的提取方式。 (3)研究了基于混沌调制与相关检测的人脸表情识别算法,该算法使用了混沌调制对图像的记忆特性,对图像特征数据进行混沌调制进而训练系统。检测阶段将待检测图像的特征数据进行相同的混沌调制和相关检测。实验结果表明该方法对峰值表情有较高的识别率。研究了隐马尔可夫模型(Hidden Markov Models,HMM)在人脸表情识别中的应用,设计了基于HMM的人脸表情识别算法。 (4)针对目前人脸表情划分的不足,研究了基于人脸活动编码系统(Facial Action Coding System,FACS)的精细人脸表情编码方法和使用表情滤波器的表情分解方法。