人脸表情特征表达与识别算法研究

《人脸表情特征表达与识别算法研究》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、哈尔滨工业大学工学硕士学位论文第1章绪论1.1课题背景人脸表情是人类非语言行为的重要组成方式[1]，在人际交往中发挥着重要的作用。人脸表情含有丰富的人体行为信息，是情绪情感最主要的载体，也是人脑智能的重要体现，其研究意义可以进一步深入到人类的情绪反应及心理状态。美国著名心理学家MebrabianAlbert认为面对面的交流中表现个人喜恶 感（Like-Dislike）最主要的因素有三个[2,3]：语言（Words）、声音（Toneofvoice）、表情（Facialexpression），其中，非语言因素（non-verbalelements）占据着情感与态度交流的主要位置，尤其是

2、三者发生不一致的条件下，人们往往更倾向于相信自己的眼睛，认为非语言行为能够更真实的反映交流者的真实意图。基于大量统计结果分析，Albert提出了著名的 “3V”理论[4]：“情感表达（TotalLiking）=7%语言（VerbalLiking）+38%声音（VocalLiking）+55%面部表情（VisualLiking）”由此可见，人脸表情与情感表达的关系十分密切。对于人脸表情的分析可以追溯到十九世纪，1872年达尔文[5]首先提出在人类及动物的发展进化中存在一种持续的基本同一的面部表情表达方式，并可作为生物本能的一种社会性沟通行为。1971年Ekman与Friesen[6]

3、从心理学角度首次提出六种基本表情原型的分类方法，喜、怒、惊、恐、悲、恶，如图1-1，每一种表情代表一个独立唯一的表情内容。得到现有的表情 识别研究者的普遍应用与认可。1978年，Suwa[7]发表对图像序列中的自动表情识别的初步探索，将表情识别引入计算机自动识别领域。自此表情识别逐渐登上生物特征识别的研究大舞台。-1-哈尔滨工业大学工学硕士学位论文图1-1Ekman六种表情原型1.1课题的研究目的和意义1.2.1课题的研究目的本文将从以下几个方面针对人脸表情的分类识别问题展开相关研究。（1）基于时序特征的表情动作分解将表情动作过程按FACS（FacialActionCodingSy

4、stem）[8]单元分解与重组，并进行运动建模，将表情识别问题转化为运动轨迹相似性和差异性分析。以曲线相似的角度分析人脸表情分类识别问题。（2）基于多元尺度分析的轨迹曲线计算采用非度量的多元尺度分析方法，以时间顺序尺度特征为基准，将高维度的多元变量等距映射为二维空间上的轨迹曲线，通过对剩余方差衡量空间距离一致性，选择合适的曲线参数，得到表情动作轨迹曲线的原始特征。（3）基于曲线形状相似性的特征提取利用表情动作的时序特性，对二维空间上的轨迹曲线的形状信息定义三种类型的特征提取方法，分别从轮廓、位置、形态三个角度提取代表性特征。本文研究对象为人脸表情的图像序列，以全局角度对完整的面部图

5、像变化信息作为出发点，以曲线形状相似代替空间轨迹相似，对一段表情序列进-2-哈尔滨工业大学工学硕士学位论文行“哭”、“笑”、“惊”、“惧”、“怒”五种表情类型的分类识别。1.1课题的研究意义随着人脸检测、跟踪、识别技术成果的迅猛问世以及计算机技术的普及，人脸表情识别飞速发展。人脸识别广泛应用在各个领域，包括图像解释、心理分析及行为预测、药物反应测验[9]、脸部图像压缩、人脸动画合成，视频索引、机器人仿真、虚拟现实等等。同时，表情识别是情绪判断和行为预测的重要标准，有重要的安全示警意义，逐渐引起了安全部门的关注。因此，表情识别的研究对于人类感情的理解与分析具有重要作用与积极意义。表1

6、-1人脸表情识别的典型应用[10]应用模式典型具体应用特点说明课堂调查学生的关注点教师的教学能力心理学场景实验客观观察识别分析智能机器人智能操作系统智能环境感知人类情绪身体体验药物反应测验生物医疗药效检测文化调研不同文化背景的客体对同一场景反应实验文化差异虚拟重构虚拟现实人脸动画合成脸部图像压缩视频索引游戏制作发布图像处理1.2.1国内外相关研究1.3.1人脸表情的特征提取与表达1.3.1.1基于静态图像的特征提取这一类特征主要分为几何特征与外貌特征[11,12,13]。针对几何特征，首先需要利用某种形式信息得到表情的原始特征，如特征形状、几何关系、局部纹理、光流场[14,15,1

7、6]等，这一步骤称为原始特征获取。之后必须对原始特征进行降维或分解，以此去除维数过高、信息冗余、-3-哈尔滨工业大学工学硕士学位论文区分性不够等干扰因素，得到有利于分类的特征数据。原始特征提取方法主要是基准点法[17,18]，采用PCA[19]，LDA[20]，ICA[21]，CDA[22]等降维方式或者奇异值分解[23]等分解方法获得目标特征。几何特征对基准点选择的要求较高，容易受到图像质量和复杂背景影响，且在识别细微变化的表情时区分度不够好。外貌特征主要利用人脸图