【正文】 學(xué) 等。近 20 年來 ,人臉表情識別的方法有了非常顯著的進(jìn)步。 本文著眼于表情識別的準(zhǔn)確性 ,在幾個關(guān)鍵問題上進(jìn)行了探索性的研究 ,本 文的主要內(nèi)容包括以下幾個方 面 : 首先 ,對 Adaboost 算法進(jìn)行了研究。 Adaboost 算法可以將一系列的弱分類器組合 ,生成一個強(qiáng)分 類器 ,而對于表情識別這個多類分類的問題 ,文中采取 1:1 辦法來解決 ,把生成 的 k(k1)/2(k 為總類別數(shù) )個強(qiáng)分類器進(jìn)行級聯(lián) ,從而可以完成人臉表情的 多類識別。分析了最近鄰法和決策樹的原理 ,針對不 同分類器的特點 ,將它們進(jìn)行比較。 然后研究了表情特征提取的算法 ,對 Gabor 濾波器的原理進(jìn)行了深入的分析 和研究 ,并對 Gabor 特征的參數(shù)確定進(jìn)行了分析和對比 ,從而獲取最適合本系統(tǒng) 的 Gabor 特征參數(shù)。 并對本文工作進(jìn)行了階段性的總結(jié) ,也明確了下一步工作的方向和目標(biāo)。 關(guān)鍵詞 : 表情識別 。Adaboost。 Gabor feature。 Decision tree classifierII 中南民族大學(xué) 學(xué)位論文原創(chuàng)性聲明 本人鄭重聲明 :所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立進(jìn)行研究所 取得的研究成果。對本文的研究做出重要貢 獻(xiàn)的個人和集體 ,均已在文中 以明確方式標(biāo)明。 作者簽名 :日期 :年 月 日學(xué)位論文版權(quán)使用授權(quán)書 本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定 ,同意 學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版 ,允許論文 被查閱和借閱。 本學(xué)位論文屬于 保密□ ,在 ______年解密后適用本授權(quán)書。 (請在以上相應(yīng)方框內(nèi)打“ √” ) 作者簽名 : 日期 :年 月 日 導(dǎo)師簽名 : 日期 :年 月 日 中南民族大學(xué)碩士學(xué)位論文 第 1 章 緒 論 引言 模式識別 (Pattern Recognition)從誕生到現(xiàn)在已經(jīng)經(jīng)歷了較長的歷史 ,而且 隨著社會從工業(yè)化發(fā)展到后工業(yè)化階段 ,人類對自動化以及信息處理和檢索的需 求越來越多 ,模式識別也隨著這種趨勢被推向了工程應(yīng)用和研究的高級階段。可以說對智能化的計算機(jī)認(rèn)知系統(tǒng)的研究將成為現(xiàn)代社會的必然趨勢。正是由于這種特殊的作用 ,人們對智能化 計算機(jī) 以及機(jī)器視覺領(lǐng)域有了更多的關(guān)注 ,近 20 年來 ,在人臉表情識別的方法有了非 常顯著的進(jìn)步 ,這些令人注目的研究成果主要是因為它在現(xiàn)實生活中有著無限的 潛力 ,例如人機(jī)交互、情感計算、心理學(xué)研究、謊言辨別 ,臨床醫(yī)學(xué)等。 實際上表情識別就是對臉部運動或臉部特征的形變進(jìn)行分類 ,因此說表情識別就 是模式分類問題。 在現(xiàn)代人類生活中 ,情緒對于人與人之間的關(guān)系非常重要 ,所以人們對情緒 的研究也越來越多 ,表情是情緒的獨立表達(dá)方式 ,是一種重要的交流手段。 人臉表情識別在智能人機(jī)接口領(lǐng)域是核心研究內(nèi)容之一 ,它的主要目的是訓(xùn) 練計算機(jī)理解人類的情緒變化 ,這樣可以使機(jī)器根據(jù)人類的情緒變化做出符合人 類情感的事情 ,使機(jī)器不僅智能化而且情感化。表 給出了表情識別的應(yīng)用特點和具體領(lǐng)域。但是 人類的一步步努力正在不斷的克服這些問題 ,具體表現(xiàn)就是近些年來涌現(xiàn)出各種 新的理論和新的方法正在使問題得到很好的解決 ,也使得這個領(lǐng)域的發(fā)展得到了 1 中南民族大學(xué)碩士學(xué)位論文 極大的推動。 著名生物學(xué)家達(dá)爾文早在 1872 年就提出了人類面部表情不隨種族、國家、性別 [4] 的不同而不同 ,人臉表情具有相似性和延續(xù)性。 1978 年開發(fā)出 FACS (Facial Action Coding System)用于檢測面部表情的細(xì)微變化。隨著計 算機(jī)的性能迅速提 升以及人們對人機(jī)交互的需求更加迫切 ,它已經(jīng)成為一個非常熱門的課題 ,很 多機(jī)構(gòu)都投入了大量的人力物力來進(jìn)行相關(guān)項目的研究。在國際上 ,一些經(jīng)濟(jì)發(fā)達(dá)的國家如美國、日本、英國、德國、荷蘭和法 國以及一些發(fā)展中國家如印度都專門組織相關(guān)研究組進(jìn)行這方面研究。日本 的大阪大學(xué) ,國際電信技術(shù)研究所他們所做的貢獻(xiàn)尤為突出。2020 年首屆國際情感計算及智能交互會議在我國舉行 ,這次會議不僅推動了我國表情 識別研究的長足發(fā)展 ,也深化了我國表情識別工作與世界先進(jìn)技術(shù)交流。 生氣 拉從而壓低。 有時鼻孔可能微微張大 ,但是 額頭和兩眉之間 眼睛瞪大 ,有時可能 這只是有時會出現(xiàn)。 會鼓起。 面部皮膚緊繃。 外眉角向下壓低 , 嘴巴緊閉 ,唇部向外突出 ,嘴 在臉頰的推動下 ,下眼瞼 厭惡 有時呈現(xiàn)“八字” 角向后向下拉。 型。 整條眉毛都皺在 一起。 額頭皮膚也向中 下拉長。 眉毛被抬起來 , 眼睛瞪大了 ,同時上 以致變高變彎。 眉毛下的皮膚被 圍肌肉并不緊張。 眉毛內(nèi)角向中皺 上眼皮被抬高 ,眼睛有微 面部肌肉微微顫動。 有時嘴巴微微張開。 上下唇角向兩個方向拉起并抬 高。 高興 下排牙齒會露出。 眼角的皺紋明顯 ,并 鼻孔鼓起 ,并向上翹起 ,帶動 向外部擴(kuò)散。 臉頰向上鼓起。 Essa 于 1997 年提出了基于視頻的動態(tài)表情描述方式 FACS+, 它把時間和空間的變化特性考慮進(jìn)去 ,這樣就克服了 FACS 對動態(tài)表情特性描述 的不足。趙力莊 把用于人臉識別的特征臉應(yīng)用到表情識別 [10] 中 ,把表情投影到不同的空間域 ,用距離來判定表情的類別。 [12] 劉偉鋒 提出了基于人臉臉型分類的人臉表情識別算法。 通?？梢院唵螌⑷四槺砬樽R別的工作流程分為 3 個步驟 :人臉 圖像信息獲 取、預(yù)處理及表情特征提取、人臉表情分類 ,如圖 所示。其中包括靜態(tài) 和動態(tài)圖像 ,一個圖像序列比一幅靜態(tài)圖像潛在的多了很多信息 ,因為它含有表 情的時間特征。 然后針對圖像尺度、光照情況、頭部姿勢等客觀問題所造成的影響 ,把人臉 進(jìn)行標(biāo)準(zhǔn)化 ,主要的手段有圖像幾何特征的歸一化和圖像光學(xué)特性的歸一化 ,它 包括直方圖均衡化和灰度歸一化處理 ,目的在于 消除尺度、光照和姿勢的影響 , 這樣把圖像背景和所需的人臉特征分離開來 ,去除了背景干擾 ,這是進(jìn)行表情特 征提取前很重要的一步。通?？梢赃x擇的表示方法有基于 幾何的、運動的、統(tǒng)計的或者空間變換的特征?，F(xiàn)在的表情識別系統(tǒng)中大多包含了參數(shù)和非參數(shù)的分類器。 4 中南民族大學(xué)碩士學(xué)位論文 光照 尺度 姿態(tài) 背景分離 人臉特征分割 人臉標(biāo)準(zhǔn) 人臉分割 表情特征表 示 人臉表情分類 人臉獲取 表情特征提取 人臉特征信息 變形信息提 運動信息提 人臉整體信息 表情識別 表情描述 取 取圖 表情識別系統(tǒng)一般框架 表情特征提取方法 根據(jù)人臉表情圖像不同的性質(zhì)分類 ,可以分為靜態(tài)圖像特征提取和動態(tài)圖像 序列特征提取 ,在靜態(tài)圖像中 ,提取出來的是人臉表情的暫態(tài)特征 ,而序列圖像 提取的是連續(xù)的運動特征。②盡量減少噪聲和光照等無關(guān) 的外界干擾 。④加大不同類 別特征之間的區(qū)分度。對于 [18] 動態(tài)圖像序列 ,則有特征跟蹤、光流分析 、參數(shù)運動模型、標(biāo)記人臉視頻等對 時域動態(tài)信號進(jìn)行描述的方法。鑒于這些差異 ,表 情識別的方法應(yīng)該更加具有的針對性。由于幾 何特征提取忽略了很細(xì)微的信息 (如皮膚紋理的變化 ),因此在識別細(xì)微變化的 表情時效果很差。鑒于以上特點 ,基于幾何特征的方法只 適合粗分類。 PCA 是基于 KL 正交變換的 ,把高維圖像經(jīng)過 KL 正交變換后 , 生成一組新的獨立正交基 ,這樣就可以消除原有向量間的相關(guān)性。這樣既保留了 高維空間的主要成分 分量 ,也降低了表情特征的維數(shù)。之后人們又提出了很多對 PCA 改進(jìn)的算法 ,在 1998 年 ,巴 特利提出一種更為流行的基于獨立分量分析 (Independent Component Analysis) [19,20,21] 算法 ,除此之外 ,還有基于模板 PCA 法 ,它將人臉圖像分割成小的子圖 像 ,再對子圖像做 PCA。 Gabor 小波法 ,即利用 Gabor 濾波器一個復(fù)域正旋曲線函數(shù) ,相當(dāng)于一組帶 通濾波器 ,通過調(diào)節(jié)不同的參數(shù)來捕捉圖像中不同的空間頻率、空間位置以及方 向信息 ,所以經(jīng)過 Gabor 濾波得到的信息對亮度和人臉姿態(tài)不敏感。到目前已經(jīng)出現(xiàn)了很多基于 Gabor 小波的方法 ,如葉敬福 提出的 [22] 基于 Gabor 小波的彈性圖匹配識別 ,曹宇佳 提出的基于多尺度多方向差值模板 6 中南民族大學(xué)碩士學(xué)位論文 特征提取法。雖然這是近年來才提出來的方法 ,而且主 要是針對剛性物體的圖像匹配和物體識別 ,但人們正嘗試一些改進(jìn)后的算法應(yīng)用 到人臉識別以及表情識別領(lǐng)域 ,而且在未來的發(fā)展中也會有更大的潛力。 ASM 方法是先提取目標(biāo)輪廓的邊界點表示各形狀 ,然后對各 形狀校準(zhǔn) ,以形成訓(xùn)練集 ,這是一個迭代