论文部分内容阅读
随着人类智能化要求的提升以及科学技术的发展,使计算机能够理解人的情感、适应人的自然交流方式是未来发展趋势。人脸表情包含着丰富的情感信息,反映着人类的内心世界,是一种重要的非语言交流方式。因此,人脸表情识别相关技术成为了计算机信息处理领域的研究热点,得到了各界人士的重视,广泛应用于远程教育、临床医学、安全驾驶辅助、人机交互、智能机器人等领域。在面部表情识别过程中,特征提取步骤和分类识别步骤是其核心部分,决定着识别结果的好坏。本文通过对这两个步骤的研究,提出了一种改进的人脸表情识别方法,主要包括以下几个方面的内容：1.研究了如何获取表情识别最有贡献的特征,使特征提取更加有效。本文提出了基于局部二值模式(LBP)的层次特征提取法,该方法结合分层和分块的思想,分两次对图像进行分块,分别提取图像的整体和局部信息。并在局部特征提取阶段,采用权重策略对鼻子和眼、嘴器官所在分块赋予更高的权值,突出其重要性,更好地提取描述人脸表情的特征信息。2.研究了如何选择分类识别方法,使之与层次特征提取法进行有效结合,使表情识别率得到提高。经过分析比较,本文选择了嵌入式隐马尔可夫模型作为识别方法,并将层次特征提取法所提取的LBP直方图作为嵌入式隐马尔可夫模型的初始向量,即形成观察序列。这样的组合方式既有效解决了EHMM模型初始向量很难确定的问题,又充分利用了层次特征提取法计算简洁快速的特点和嵌入式马尔可夫模型识别高精度的优点。3.研究了所提出层次特征提取法的分块方式。本文采用了一种与EHMM模型相适应的分块方式,该方法将二维的人脸表情图像由上到下分为五个部分二十一个子块,对应嵌入式隐马尔可夫模型中的五个超级状态和二十一个子状态。这样的对应关系,充分利用人脸表情的最有效特征与EHMM的二维性质,对整体识别率极具贡献。最后,使用JAFFE人脸数据库,并采用所提出的层次特征提取法和嵌入式隐马尔可夫模型相结合的方式,在MATLAB上实现七种人脸表情识别的仿真实验,并与相关联方法进行对比,证明相关方法的改进与结合有利于提高人脸表情的识别率。