论文部分内容阅读
近年来,随着人们对人机交互兴趣的增加,表情识别逐渐成为一个研究热点。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。本文在综合分析了以往的表情识别方法的基础上,提出了基于小波变换和ICA相结合的特征提取方法,并利用支持向量机来识别静态表情图像;研究了部分遮挡表情图像序列识别方法,并提出了基于光流和多HSMMs的容忍遮挡的面部表情识别。具体内容如下:(1)采用基于肤色和几何特征的快速特征区域定位方法。人脸表情子区域的分割是带有遮挡的人脸表情识别的重要步骤,其准确性是表情识别系统的重要性能指标。本文根据人脸的眼睛、鼻子、嘴等面部器官都是按一定的比例特征分布在人脸表面的特点,利用积分投影法定位出人的眼睛和嘴部。(2)提出基于小波变换和ICA相结合的特征提取方法。首先通过小波变换将当前图像分解成四个子图像,其中一子图像对应原图像的主体部分(低通部分),其余三个子图像对应图像的细节部分(高通部分)。采用ICA分别对每一子图像进行特征提取,得到的表情矢量与中性矢量的差值矢量作为特征矢量,在此基础上使用支持向量机来分析各个子带图像的识别情况,并对各个子图像所提取的特征进行融合,将融合的结果作为特征矢量进行识别。(3)提出基于光流和多HSMMs的容忍遮挡的面部表情识别方法,HSMM是一种带驻留时间的隐马尔可夫模型,该模型的每个状态在每个时间间隔产生一系列的观察值,且产生观察值的个数由当前状态的驻留时间确定。用光流提取动态表情图像的眼睛和嘴巴区域的特征,在识别阶段,采用多HSMMs对无遮挡、眼部遮挡以及嘴巴遮挡这三种情况进行识别。实验表明,相比较于基于光流和多HMMs的表情识别,基于多HSMMs的方法对遮挡表情识别更具有鲁棒性。(4)采用面向对象技术设计并实现了人脸表情识别系统。该系统由人脸图像预处理,人脸特征定位,表情特征提取,表情分类识别四个模块组成,验证了本文方法的有效性。