基于动态序列的微表情识别

《基于动态序列的微表情识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、࠶㊫ਧ˖TP391.4অսԓ⸱˖10183⹄ウ⭏ᆖਧ˖2013522120ᇶ㓗˖ޜᔰह᳇๗႖ⶅป႖ѽ䃪᪷喉႖ᱟ႖ѽ喊ะӄࣞᘷᓅࡍⲺᗤ㺞᛻䇼ࡡMicro-expressionRecognitionBasedonDynamicImage֌㘵ဃ਽˖ᕐ䖙䰱уъ˖⁑ᔿ䇶࡛оᲪ㜭㌫㔏⹄ウᯩੁ˖⁑ᔿ䇶࡛оᵪಘ㿶㿹ᤷሬᮉᐸ˖⭠ᖖ⏋ᮉᦸษޫঅս˖䙊ؑᐕ〻ᆖ䲒2016ᒤ6ᴸ未经本论文作者的书面授权，化法收存和保管本论文书面版本、电子版本的任何单位和个人，巧不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使巧

2、）。否（但纯学术性使用不在此限贝Ｉ。ｊ，应承担侵权的法律责任吉林大学硕壬学位论文原创性声明－本人郑重声明：所呈交的硕上学位论文，是本人在指导教师的指导下，独立进行研究Ｘ作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰与过的作品成果。对本文的研究做出巫要贡献的个人和集体，均己巧文中明确方式标明。本人完全意识到本声明的法律结果由本人承扣。学位论文作者签名：藻軒孩］＾＾期：６月＾日——————————————————————————基于动态序列的微表情识别—————————

3、—————————————————Micro-expressionRecognitionBasedonDynamicImage作者姓名：张轩阁专业名称：模式识别与智能系统指导教师：田彦涛教授学位类别：工学硕士答辩日期：年月日摘要摘要基于动态序列的微表情识别类似于传统的宏观表情，微表情包含几类基本情感，准确识别微表情能够有效把握情绪变化，为心理研究、行为预判等提供依据。区别于宏观表情，微表情诱发机制复杂微妙，从起始到结束是一个短促弱化的过程，以往的基于静态图像的分析方法已不适用。本文针对序列图像开展研究，目标是判断情感类别并提高整体识别精度，研究

4、内容集中于特征提取和分类两个方面，重点在特征提取算法的实现和改进上。特征提取中，我们从纹理分析和亮度跟踪两个角度挖掘图像间相关性。利用纹理普遍存在于图像中的共性规律，采用时空局部纹理描述算子（LBP-TOP）提取微表情动态特征。考虑到图像中不同方向信息对纹理的刻画程度不同，通过高斯微分预处理，再对各方向使用LBP-TOP，实现多尺度纹理分析。其次，基于光照不变和局部平滑两个约束条件，文中首次应用全局光流技术跟踪灰度图像像素亮度变化。采用高斯图像金字塔和迭代重加权最小二乘法在相邻两帧间优化目标函数，估算最优光流，细致反映像素运动情形，解决了微表情

5、持续时间短的难题。由于相邻两帧差别很小，获得的光流过于微弱，通过依次传递每两帧的运动信息得到相隔多帧的光流，形成全局稠密光流场，体现人脸关键区域细微改变，排除了强度低的困扰。在此基础上对光流图像进行区域划分，在局部内统计特征。更进一步，为抵消背景噪声、面部肤质引起的计算误差，提出一种新颖的特征结合方法，将LBP-TOP提取的时空局部纹理特征和光流特征相结合，补充描述遗失的细节信息，以改善分类效果。在分类器设计环节，本着时间成本可控，高效易用的原则，文中选用两种成熟的机器学习算法（支持向量机、随机森林）分别生成分类模型。支持向量机在每两类间构造分

6、类器，采取交叉验证和网格搜索的策略遴选出的最优参数确定分类超平面，完成多类样本的区分；而随机森林通过Bagging和特征子空间两种随机化思想组合若干棵决策树模型，投票预测结果，降低了泛化误差。实验结果表明，全局光流技术能够应用于微表情识别研究中，在CASMEII数据库下，算法改进后，特征的整体识别精度和类间区分准确度均有显著提升，并且，多尺度纹理分析的方法对识别效果有较大改善，此外，LBP-TOP和光流两种特征具有很好的互补性，各项数据验证了文中方法合理有效，具备可行性。关键词：微表情，LBP-TOP，光流，支持向量机，随机森林IAbstrac

7、tABSTRACTMicro-expressionRecognitionBasedonDynamicImageSimilartotraditionalmacro-expression,micro-expressioncontainsseveraltypesofbasicemotion,accuraterecognitionofmicro-expressioncaneffectivelygraspthechangeinmood,andthenprovideabasisforpsychologicalresearch,behaviorpredict

8、ionandsoon.Differentfrommacro-expression,micro-expressioninducedmechanismis