论文部分内容阅读
情感识别是以人为中心对人类情感认知的研究，也是模式识别、情感计算、心理学、机器视觉等研究领域的一个极富挑战性的交叉学科课题，是近年来人工智能领域的研究热点。情感识别的目标是设计出具有情感反馈的人机交互环境，并最终实现人与计算机的自然、和谐情感交互。
然而，计算机对人脸表情识别分类的准确性很大程度上依赖于识别所提取的特征。因此，研究人脸的表情特征及其有效选择方法是表情识别的关键技术。本文针对人脸表情识别中的局部特征选择、特征融合和识别方法进行了研究。取得了如下研究成果：
1)得出嘴部的Gabor小波特征对表情识别有重要作用的结论。将预处理后的全脸和局部(嘴部、眼部)静态灰度表情图像的Gabor小波特征分别与PCA、2DPCA、LDA相结合用于人脸表情识别，根据Gabor不同尺度不同方向的变换结果用最近邻法进行分类，通过在JAFFE、Cohn-Kanade和CQUPTE表情库上分别进行实验，得到全脸和局部Gabor小波特征的对比识别结果。结果表明嘴部的Gabor小波特征对表情识别有重要作用，并且嘴部特征在西方人的情感表达中更为重要。
2)提出了一种仅用嘴部不同特征进行特征融合的表情识别方法。该方法将嘴部的Gabor小波特征和几何特征进行特征融合后再使用最近邻分类器分类。根据不同样本库，不同识别方法的对比实验结果表明，该方法相对于单独的嘴部Gabor小波特征和单独的嘴部几何特征用于表情识别能得到更好的识别效果，且它相对于整幅人脸表情图像的识别具有更好的实时性，从而解决了采用Gabor小波特征用于人脸表情识别识别率虽高但实时性差的问题。
3)设计了情感识别系统。该系统是一个对表情图像进行处理，从中提取人脸Gabor特征和几何特征，建立情感分类器，并根据分类器的分类结果做出情感响应的一个可扩展平台。该系统主要包括预处理、特征提取、情感分类、情感响应等模块。