基于嵌入式隐马尔可夫模型（EHMM）的人脸表情识别

摘要

人脸面部表情研究是当前模式识别领域中新兴的一个极富挑战性的课题。近年来，它被越来越多的应用于人工智能、人机交互、心理学研究中。在众多的应用中，需要精确判断出人脸面部表情，并进行进一步的情感计算和心理分析，因此人脸面部表情识别成为计算机视觉领域中的一个重要的研究方向。 本次设计以准确的人脸表情识别为主要研究目标，利用二维离散余弦变换(2D-DCT)的特征提取方法结合矢量量化算法构成隐马尔可夫模型(HMM)的观察值符号序列，并将HMM扩展到嵌入式隐马尔可夫模型(EHMM)对人脸表情进行建模，具有一定的理论意义和实用价值，并在理论研究和实际应用方面都取得了较好的成果。 本文的具体工作贡献包括： 第一，利用二维离散余弦变换的方法，以人脸面部表情特征分布的具体情况为依据划分脸部区域，较为细致和全面的提取了人脸面部表情特征；并针对后续嵌入式隐马尔可夫模型的拓扑结构，对各区域的特征提取数进行约束，实现了特征提取的有效性和典型性。 第二，针对后续EHMM分类器的离散特性和传统2D-DCT特征信息冗余严重的问题，提出将2D-DCT与矢量量化算法相结合的特征提取方法，大大降低了输入特征向量的维数，最大程度的降低了计算的复杂度。 第三，建立了基于HMM的人脸表情识别系统，并通过实验得到了初步识别结果。根据实验结果分析得到的结论，针对HMM在人脸表情识别中效果不佳的问题，将其基本理论和算法推广到EHMM。依据面部表情特征集中分布在眼睛和嘴部周围的情况设计EHMM拓扑结构，建立了一个新的人脸表情识别系统。最终通过计算机仿真模拟实验得到新的识别结果，证实了此种方法的可行性。与前者相比，新系统在提高整体识别效果的同时，提高了识别速度。

目录

文摘

英文文摘

独创性说明及大连理工大学学位论文版权使用授权书

1绪论

1.1人脸表情识别的研究背景和研究意义

1.2人脸表情识别技术的发展及研究现状

1.3本文的研究内容与结构安排

1.3.1研究内容及需要解决的问题

1.3.2文章结构安排

2人脸表情识别技术概述

2.1引言

2.2主要研究方法概述

2.3主要算法描述

2.4本章小结

3特征提取与矢量量化

3.1引言

3.2基于离散余弦变换(DCT)的特征提取方法

3.2.1一维离散余弦变换(DCT)原理

3.2.2二维离散余弦变换(2D-DCT)原理

3.2.3基于2D-DCT的特征提取方法在表情识别中的应用

3.3矢量量化

3.3.1矢量量化原理概述

3.3.2矢量量化码本的设计

4基于嵌入式隐马尔可夫模型(EHMM)的人脸表情识别

4.1引言

4.2隐马尔可夫模型

4.2.1隐马尔可夫模型介绍

4.2.2隐马尔可夫模型的三个基本问题

4.2.3隐马尔可夫模型三个基本问题的计算

4.2.4具体实现时应注意的问题

4.2.5实验结果及分析

4.3嵌入式隐马尔可夫模型

4.3.1模型参数

4.3.2解码算法

4.4基于嵌入式隐马尔可夫模型的人脸表情识别

4.4.1 EHMM模型训练

4.4.2实验结果及分析

4.5本章小结

5总结与展望

5.1本人工作的总结

5.2对新技术的展望

参考文献

攻读硕士学位期间发表学术论文情况

致谢