论文部分内容阅读
人脸表情识别是指利用计算机分析特定人的脸部表情及变化,进而确定其内心情绪或思想活动,实现人机之间更自然更智能化的交互。人脸表情识别的研究对于增强计算机的智能化和人性化,开发新型人机环境,以及推动心理学等学科的发展,有着重要的现实意义,并最终产生很大的经济效益和社会效益。本文首先综述课题的研究背景,并分析目前国内外已提出的表情特征提取方法以及表情识别方法。在此基础上,提出了基于多特征分类集成的表情识别方法和分级分类的图像序列细微表情识别方法,主要内容如下:(1)提出了基于多特征分类集成的表情识别方法。考虑到不同表情区域其特征体现方式的差异,该方法从人脸图像中分三个区域提取不同的特征。对于眼睛眉毛区域和鼻子区域分别采用Gabor小波变换和2D-DCT提取纹理变化特征,对于嘴巴区域采用AAM提取形状变化特征。借鉴Bagging思想,重复利用这三个区域特征训练眼睛加鼻子、嘴巴加鼻子和眼睛加嘴巴三个离散HMM分量分类器,然后将它们组合起来形成强分类器,以此来获得更多的信息,增强图像的分类能力。同时在表情样本训练时采用贡献分析法分析确定三组复用特征对六种表情各自的贡献权值;在分类识别阶段,根据多特征投票法并结合训练阶段得到的权值获得识别结果,实验表明,该方法可提高表情识别率。(2)提出了分级分类的图像序列细微表情识别方法。在表情类别中,某些表情较为相似,难以区分,而某些表情之间差别较大,比较容易对它们进行分类。该方法将易混淆表情先归为一类进行表情的粗分类,以便进一步考察类内的表情之间的细微差异,然后对类内的表情选择相应表情贡献较大的特征子区域中的特征,进行表情细分类。在每级分类识别过程中,对每个区域采用离散HMM得出表情概率,最后采用在训练阶段得到的贡献权值进行加权融合得到分类结果,实验表明,该方法可较有效地区分细微表情。(3)采用面向对象的设计方法,设计实现了基于图像序列的人脸表情识别原型系统,该系统由基于多特征分类集成的表情识别原型子系统和分级分类的图像序列细微表情识别子系统组成,可用于对图像序列的人脸表情类别进行判断。