自动人脸图像分析是一个具有很高理论和应用价值的研究课题。人脸图像 分析的内涵非常广泛，包括人脸检测、人脸识别、表情识别、口形识别、视点 跟踪、人脸编码以及人脸图像合成等方面。本论文重点研究了人脸及表情的特 征提取与识别问题，论文的主要创新点包括以下几个方面： 1.在人脸图像特征提取方面，提出了一种基于稀疏编码的人脸整体特征提取方 法。稀疏编码是一种基于非监督学习的算法，它适合描述具有非高斯分布的 数据对象，能够有效地消除图像象素点之间的冗余，并具有内在的聚类特性。 稀疏编码能够增加图像特征的类间距离，因此效果要优于传统的特征脸方 法。 2.为了减少稀疏编码的计算复杂度，利用人脸图像能量分布的特点，提出了一 种基于DCT 变换的加速算法。针对稀疏编码能量函数收敛点容易受到基函 数初始值干扰的缺点，利用稀疏编码基函数的聚类特性，提出了一种基于模 糊C均值聚类的基函数初始化算法。经过模糊C均值聚类初始化后的基函 数能够让稀疏编码的能量函数收敛到一个更有利于识别的局部最小点，试验 结果表明特征的分类性和稀疏性都得到了提高。 3.针对传统稀疏编码未对特征的类内距离进行有效约束这个缺点，提出了两种 基于再励学习的稀疏编码算法。在基函数的训练过程中，通过引入训练样本 的类别信息来限制特征类内距离的增加，用这类方法获得的特征既有较大的 类间距离，又有较小的类内距离，识别性能得到了较大的提高。试验证明， 基于再励学习的稀疏编码的识别效果明显优于传统的稀疏编码。 4.为了减小自动表情识别中由基准点误差所带来的影响，提出了一种基于ICA 和2D EHMM 的人脸表情特征提取和识别方法。这种方法利用ICA提取人 脸表情差分图像块的独立特征作为EHMM 的观测向量，然后通过2D EHMM 对这些独立特征进行建模。和基于PCA以及DCT的特征提取方法相比，ICA 特征的独立性有助于提高识别的性能。由于2D EHMM 模型在观测值发生 一定范围变化时仍能够保持状态不变，因此该算法对人脸基准点定位误差具 有很好的适应能力。 5.在攻读博士期间还初步实现了一个实时人脸识别系统。该系统能够自动完成 人脸检测、特征提取、在线训练和识别。 I