基于紋理和幾何特征的人臉表情識別算法研究.pdf

1、人臉表情識別是情感計算與先進智能的重要組成部分,同時也是人機交互、機器學習、智能控制和圖像處理等領域的一個研究熱點。為了促進更自然、更人性化的人機交互,對表情識別的深入研究變得更為重要。近些年來,人臉表情識別仍存在一些問題,特別是如何提取出實時性高、魯棒性強以及穩(wěn)定具有代表性的表情特征。
　　本論文對面部表情的紋理特征與幾何特征進行了分析與研究,并針對傳統(tǒng)幾何特征提取方法的不足,傳統(tǒng) Gabor特征在人臉表情識別上的局限性以及不同

2、特征在不同環(huán)境下的優(yōu)缺點,提出了相關的改進算法。論文的主要工作如下:
　　(1)針對傳統(tǒng)幾何特征提取方法的不足,提出一種基于幾何特征聯(lián)合的人臉表情識別方法。首先通過主動外觀模型(Active Appearance Model,AAM)對人臉表情圖像進行關鍵特征點定位;然后提取直接幾何(Direct Geometric,DG)特征與間接幾何(Indirect Geometric,IDG)特征;再通過Fisher線性鑒別(Fisher

3、 Linear Discriminant,FLD)對DG特征進行降維并與IDG特征進行聯(lián)合,從而構成了聯(lián)合幾何特征。最后采用支持向量機(Support Vector Machine,SVM)對聯(lián)合幾何特征進行人臉表情分類。實驗結果表明了,聯(lián)合幾何特征比傳統(tǒng)幾何特征具有更高的識別率,并在少許光照變化以及姿態(tài)偏轉下具有一定的魯棒性。
　　(2)針對傳統(tǒng)Gabor特征在人臉表情識別上的局限性,提出一種基于梯度Gabor直方圖(Gradi

4、ent Gabor Histogram,GGH)紋理特征的人臉表情識別方法。首先對預處理后的人臉圖像進行 Gabor特征提取;然后將相同尺度、不同方向的Gabor特征按照梯度方向構造 Gabor特征融合圖,再對融合圖進行分塊并計算每個子塊的直方圖分布,從而構成人臉的GGH特征。最后采用SVM對GGH特征進行人臉表情分類。實驗結果表明了,在保證較高識別率時,利用GGH特征比傳統(tǒng)Gabor特征進行人臉表情識別更具實時性。
　　(3)提