论文部分内容阅读
人脸表情识别(Facial Expression Recognition,FER)是以人脸识别为基础,进行情感科学计算的研究领域,在心理研究、医疗服务、网络教学以及安全驾驶等其他日常生活中都有重要应用。对人脸表情识别的研究,能够提升人机交互的能力,更加精确地控制人机交互智能系统,从而更加方便人们工作和生活;人脸表情识别是一种涉及模式识别和人工智能领域的生物特征识别以及心理情感计算领域的交叉研究课题,对人脸表情识别的研究有重大的学术价值和广泛的应用前景。本文详细评述了人脸表情识别研究的意义和国内外研究现状,深入研究了传统的主动形状模型,包括全局形状模型的构建、局部纹理模型的构建以及形状特征点的拟合搜索过程,并对人脸表情特征的提取方法以及表情分类问题进行了重点研究。创新的工作主要包括:(1)、构建了基于LBP值的特征点ASM子局部特征。由于特征点的定位精确性直接影响表情识别结果,针对传统主动形状模型(ASM)的局部纹理模型中的纹理值单一的弱点,在局部二元模式(Local Binary Pattern,LBP)值形成的原理基础上,构建了基于LBP值的特征点ASM子局部特征,使ASM的局部纹理模型能够更加充分利用特征点周围的纹理值。(2)、提出了双法线角平均线方向拟合算法。传统的主动形状模型的特征点拟合方向是当前特征点的法线方向,没有充分利用当前特征点的前后序列特征点的位置关系。采用沿双法线角平均线方向进行特征点拟合,能够更好地利用特征点与相邻两特征点的位置相互制约关系。(3)、提出了基于ASM&SURF融合特征的SVM人脸表情识别算法。在ASM算法获取表情特征点位置的基础上,结合SURF特征原理,获取特征点的SURF特征描述,结合ASM形状特征和相应的SURF特征形成ASM&SURF融合特征。ASM&SURF融合特征既能展现表情的几何形状信息,又能表示表情图像底层的纹理变化。最后,本文将ASM&SURF融合特征作为支持向量机的输入,在日本女性人脸表情图库(Japanese Female Facial Expression,JAFFE)中进行了七种基本表情识别实验。实验结果表明,本文提出的ASM&SURF融合特征能够有效地表示表情信息,七种基本表情的平均识别率达到93.125%。