人脸表情

摘要： 面部表情能够反映人的内心情绪,在智慧课堂真实场景中识别学生面部表情从而获知学生的学习状态一直是研究的热点与难点。文章对图像进行预处理,然后分别输入到卷积神经网络层提取特征,并使用长短期记忆神经网络与提取到的特征融合。最后,将它们加权融合在一起,通过Softmax层对人脸表情进行分类。分别使用JAFFE等4个数据集、智慧课堂真实场景验证模型准确性,结果表明所提出的模型具有较强的泛化能力。

摘要： 为充分提取人脸表情特征并满足在线实时性需求,提出了基于局部投影韦伯梯度编码(Weber Gradient Coding,WGC)描述的人脸表情识别方法。该方法首先计算表情图像当前像素点与周围位置上的数值差同当前像素点的差异构成WGC特征的差动激励,其次通过空间金字塔划分形成表情图像空间子区域,再次分别在水平、垂直和倾斜正负45°上对WGC特征向量进行投影,得到人脸表情局部投影WGC特征,最后通过余弦距离度量表情相似度,并分别在公共人脸表情库JAFFE和CK表情库中进行实验,平均识别率及平均特征提取时间分别为85.6%、12.30 ms和90.96%、28.21 ms。结果表明:该方法较好描述了包含空间分布信息和纹理信息的人脸表情且具有较低的时间复杂度,能满足在线情感识别需求。

摘要： 针对目前人脸表情识别准确率不高、网络模型参数复杂等问题,提出一种增强可分离卷积通道特征的人脸表情识别研究方法。设计了一种轻量型卷积神经网络结构提取表情特征,在卷积层中采用深度可分离卷积减少网络参数;引入了压缩激发模块,对不同通道的特征进行权重分配,在不同的卷积层采用不同的压缩率来增强网络对人脸表情的特征提取能力;将提取到的特征送入分类器实现人脸表情分类,在CK+和FER2013数据集上进行实验并分析。实验结果表明:与现有方法相比,提出的网络结构在CK+和FER2013数据集上,识别率分别提高了0.15个百分点和3.29个百分点,且网络模型参数量降低了75%。所提方法在降低网络参数的同时,提高了表情识别准确率。

摘要： 三维人脸表情合成技术是动画、电影等诸多领域的热点,Waters肌肉模型是常见的表情合成模型。针对传统肌肉模型的不足,提出一种基于改进模型的三维人脸自适应肌肉参数配置方法。在线性肌模型中加入斥力弹簧和边约束,解决肌肉收缩力大时网格出现尖锐突出和拓扑结构被破坏的问题。根据一般人脸和特定人脸的特征映射关系,实现肌肉参数的自适应配置。通过实验证明了该方法合成的表情更具有真实感,且参数配置精度高,时间效率提升。

摘要： 为了实现对人脸表情的自动识别,笔者设计和开发了一款基于C3D卷积神经网络(Convolutional Neural Network,CNN)的人脸表情识别系统。首先,利用已有Cohn-Kanade数据集和CASMEⅡ数据集作为训练数据。其次,使用Keras和TensorFlow的深度学习框架搭建C3D CNN,创建数据集并进行训练,以得到人脸表情识别模型。最后,使用PyQt5设计和开发人脸表情识别系统。结果表明,该系统具有页面简洁明了、方便用户操作等特点,可为心理诊断等领域提供一定的判断依据。

摘要： 针对目前老师无法及时发现学生在课堂上走神、不认真听讲的现象,以及课堂教学质量和效率较低等问题,提出了一种基于机器视觉技术的人脸表情识别检测系统.通过VS与OpenCv开发的人脸表情识别算法,对获取到的学生面部表情图像进行预处理,经过阈值分割处理后得到面部表情二值化图像,结合开闭运算对不同面部的不同表情特征进行形态学的运算,提取到不同面部的表情特征,实现对不同面部的不同表情的特征识别与检测.根据该系统所确定的功能进行设计和开发,确保该系统能够进行对人脸表情的识别和检测,以及确保识别准确性较好,识别速度较快,具有一定的学术研究价值和应用推广价值.

摘要： 传统的视频运动人脸图像相似表情识别方法,利用小波变换提取人脸特征,后续特征分解效果不理想,导致表情识别准确度较低.为此,提出基于改进核判别算法的视频运动人脸图像相似表情识别研究.采用积分图法提取视频中的人脸表情,得到特征矩形区域.结合核判别算法对特征矩形区域进行分解得出表情特征矢量.结合弹性模板匹配法,计算和匹配表情特征矢量,得出匹配最优的表情,完成人脸图像相似表情识别.为验证所提方法的应用性能,设计仿真实验.实验结果表明,与传统方法相比,所提方法的表情识别准确度更高.本文设计识别方法具有应用有效性,为相关领域提供可靠依据.

摘要： 对遮挡表情图像的传统预处理、基于重要区域的预处理、基于图像重构和基于深度学习的预处理方法进行总结,阐述了各类方法的基本原理,介绍了常用的表情数据集及其特点,讨论了现阶段存在的问题和未来的研究方向.

摘要： 为实现人脸表情识别,本文提出采用角点特征、纹理特征作为表情标记性特征,再利用支持向量机探索角点特征、纹理特征与不同表情之间的数学模型.实验结果表明,本文所提出的基于支持向量机的人脸表情方法的识别精度为99％.所提出的方法可为研究基于人脸表情实时捕捉的虚拟角色面部表情动画制作工业引擎提供有效参考.

摘要： 由于人脸外观、光照、姿势变化等对人脸表情特征提取的影响,非特定人脸表情识别率普遍较低.针对上述问题,提出一种基于高阶奇异值分解(HOSVD)分类的非特定人脸表情识别算法.算法融合局部方向模式(LDP)全脸特征和中心化二值模式(CBP)局部特征,以增强人脸表情特征的鉴别力,引人HOSVD建立表情子空间进行分类识别,从而减少人脸外观对表情特征的影响,同时利用HOSVD求解区域能量用于精确匹配.在JAFFE数据库上的非特定人脸表情实验结果表明,HOSVD分类算法相比传统最近邻算法更能区分表情图像的特征,识别率提高了 18％,此外,LDP融合CBP特征相比LDP特征和CBP特征更能准确描述人脸表情,识别率分别提高了 17％和12.2％.由此可见,上述方法对解决非特定人表情识别问题具有更好的识别效果.

摘要： 针对聋哑人与正常人之间存在的交流障碍问题,提出了一种融合人脸表情的手语到汉藏双语情感语音转换的方法.首先使用深度置信网络模型得到手势图像的特征信息,并通过深度神经网络模型得到人脸信息的表情特征.其次采用支持向量机对手势特征和人脸表情特征分别进行相应模型的训练及分类,根据识别出的手势信息和人脸表情信息分别获得手势文本及相应的情感标签.同时,利用普通话情感训练语料,采用说话人自适应训练方法,实现了一个基于隐Markov模型的情感语音合成系统.最后,利用识别获得的手势文本和情感标签,将手势及人脸表情转换为普通话或藏语的情感语音.客观评测表明,静态手势的识别率为92.8％,在扩充的Cohn-Kanade数据库和日本女性面部表情(Japanese Female Facial Expression,JAFFE)数据库上的人脸表情识别率为94.6％及80.3％.主观评测表明,转换获得的情感语音平均情感主观评定得分4.0分,利用三维情绪模型(Pleasure-Arousal-Dominance,PAD)分别评测人脸表情和合成的情感语音的PAD值,两者具有很高的相似度,表明合成的情感语音能够表达人脸表情的情感.

摘要： 表情识别是计算机视觉和认知科学领域的一个活跃课题,具有广泛的应用前景.本文介绍了神经网络的结构和基本原理,详细阐述了BP算法及其运用于人脸表情识别的步骤.通过MATLAB编程实现了基于BP神经网络的人脸表情识别,并给出了仿真试验结果.

摘要： 一般情况下,面部表情常常伴随着语音的变化同步进行,传统的情感表达,多侧重于单一的情感语音合成或人脸表情生成领域,缺乏一定的真实感.为达到更为生动的情感表达效果,本文在参考近几年多模态技术和语音视位技术[13][14][18][19]的研究基础上,进一步地进行了情感语音分析和人脸表情分析的研究,同时结合脸部运动编码系统(FACS系统)以及情感语音的分析结果,从而初步实现了一个基于语音和人脸表情同步的真实感情感表达系统.该系统在人脸变形中采用了一种简化的刚体变形算法,结合情感语音的声学特征参数,使系统达到达到了很好的情感表达效果.

摘要： 人脸表情识别和软件换肤分别作为人机交互中的智能化和人性化技术得到了深入的研究.本文结合以上两种技术提出了基于人脸表情识别的软件界面自动换肤思想,介绍了一种软件界面自动换肤系统的设计,并讨论了主成分分析检测定位模型.仿真结果证明了该方案的可行性.

摘要： 本文给出了一个具有视觉跟踪的中英文语音动画系统的实现过程.该文介绍了该系统的设计过程以及所需的技术,包括可视音素、三维人头模型的制作与显示、语音与动画的同步、动画的平滑自然的过渡、眼睛的跟踪与随机眨眼、与外部程序接口的设计等.该语音动画系统具有人脸表情真实自然等特点,在普通PC机上能够产生高质量的语音动画.

摘要： 人脸表情合成是人机交互领域长期以来的研究热点。本文采用MPEG4人脸动画框架,提出了一种基于局部表情参数化的三维表情脸像合成方法。在人脸动画参数(FAP)的基础上,定义了局部表情状态参数(Partial Expression Parameter,简称PEP),建立了PEP与FAP参数之间的关联规则。在此基础上,实现了一个三维表情脸像编辑器,利用PEP参数可以快速编辑合成人脸表情,以适应可视语音、对话系统中人脸表情实时变化的需求。

摘要： 人脸表情纹理细节(例如额头皱纹,鱼尾纹,酒窝等)的合成是逼真描述人脸动画的重要因素,传统的表情合成技术仅仅考虑面部特征几何位置的变换.更新的研究中考虑了表情纹理细节的合成,但仅能根据已有的表情样本来一对一地获取纹理细节,应用范围有限.本文有效地结合小波金字塔分解和表情比例图像两种技术,提出一种进行表情细节合成的新算法.该算法既保留了源图像的自身特征,又映射了表情纹理细节,且表情夸张程度可参数化地控制.

摘要： 实现了基于MPEG-4动画框架,支持包括话语动作、表情动作及自由脸部动作等多种动因人脸动作及其融合的人脸动画编著系统.提出了能够对与话语无关的自由脸部动作的风格进行描述的ISM-FFA模型和模拟合成算法,使人脸动画效果更加生动自然且可以表现出个性化的脸部动作.提出了基于"主次动作及其重要性的动态调整"的动作融合算法,使并发脸部动作能够更协调平滑地融合.

摘要： 实现了基于MPEG-4动画框架,支持包括话语动作、表情动作及自由脸部动作等多种动因人脸动作及其融合的人脸动画编著系统.提出了能够对与话语无关的自由脸部动作的风格进行描述的ISM-FFA模型和模拟合成算法,使人脸动画效果更加生动自然且可以表现出个性化的脸部动作.提出了基于"主次动作及其重要性的动态调整"的动作融合算法,使并发脸部动作能够更协调平滑地融合.

摘要： 实现了基于MPEG-4动画框架,支持包括话语动作、表情动作及自由脸部动作等多种动因人脸动作及其融合的人脸动画编著系统.提出了能够对与话语无关的自由脸部动作的风格进行描述的ISM-FFA模型和模拟合成算法,使人脸动画效果更加生动自然且可以表现出个性化的脸部动作.提出了基于"主次动作及其重要性的动态调整"的动作融合算法,使并发脸部动作能够更协调平滑地融合.

摘要： 本发明公开了人脸表情的迁移方法和装置。包括获取当前帧彩色图像并对其进行人脸检测，计算该当前帧彩色图像的人脸若干个预设的关键点的位置；根据当前帧彩色图像的人脸若干个预设的关键点的位置以及预设的变形模型的若干个预设的关键点的位置计算投影矩阵，并利用投影矩阵，将变形模型的若干个预设的关键点的位置所对应的中性表情和表情基投影到二维空间，以获得投影结果；根据投影结果以及当前帧彩色图像的人脸若干个预设的关键点的位置，构造线性方程组，并计算得到表情基的权重系数，以拟合得到人脸的实时表情；根据拟合得到的人脸的实时表情驱动卡通模型，以完成人脸表情的迁移。可以在任意姿态下，形象逼真的迁移人们的各种表情。

摘要： 本申请公开了一种人脸表情识别方法，包括：从原始图像中检测出人脸；对检测的人脸进行人脸对齐和特征点定位；从人脸图像中提取出面部特征信息；根据获取的特征数据，进行表情分类，实现人脸表情识别。本申请通过人脸检测、特征点定位、特征提取，表情分类从而进行人脸表情进行最大可能性的预测，保证了表情识别的准确性，具有广泛的应用前景。

摘要： 本发明公开了一种人脸表情分类器的训练方法、人脸表情的识别方法和装置，所述训练方法包括：获取若干已预先标注了真实人脸表情类别的人脸表情数据，对三维人脸点云数据进行判别深度范围标定，并对标定的判别深度范围对应的三维人脸点云数据进行全局最大熵增强处理，以得到三维深度属性图像；对所述二维人脸图像和所述三维深度属性图像分别进行特征提取，并对提取后的特征进行多模态特征融合；将融合后的多模态特征输入预设的神经网络，并根据所述真实人脸表情类别，对所述预设的神经网络进行训练，得到所述人脸表情分类器。采用本发明，通过对三维人脸点云数据进行增强处理，有效提高人脸表情分类器的鲁棒性，提高人脸表情识别的准确性。

摘要： 本发明公开了一种训练跨域人脸表情识别模型、人脸表情识别的方法及系统，其中训练方法包括：首先构建人脸全局‑局部特征图，利用源域的表情标签及特征图对特征提取器及分类器进行预训练；基于源域和目标域的图像及源域表情标签利用预设目标函数约束，将预训练好的特征提取器与判别器进行对抗式迁移学习，预训练好的分类器自适应微调，得到进行训练好的特征提取器、分类器及判别器；将训练好的特征提取器、分类器、判别器及人特征图组成跨域人脸表情识别模型，该方法将图传播机制与对抗学习相集成，实现跨领域人脸表情识别的整体特征与局部特征的相适应，利用对抗式领域自适应图表征以及人脸特征全局‑局部图提高跨场景人脸表情识别准确率。

摘要： 本发明涉及图像处理技术领域，提供一种人脸表情识别方法及装置，所述方法包括：对待识别的图像进行人脸检测，获得人脸检测图像；对所述人脸检测图像进行预处理，获得预处理后的人脸检测图像；将预处理后的人脸检测图像输入至已训练的表情识别神经网络，以由所述表情识别神经网络输出所述人脸检测图像中人脸的表情类别；其中，所述表情识别神经网络为生成性对抗网络。本发明提供的技术方案，能够对人脸表情进行更加高效、准确地识别。

摘要： 本申请公开了一种人脸表情识别方法，包括：从原始图像中检测出人脸；对检测的人脸进行人脸对齐和特征点定位；从人脸图像中提取出面部特征信息；根据获取的特征数据，进行表情分类，实现人脸表情识别。本申请通过人脸检测、特征点定位、特征提取，表情分类从而进行人脸表情进行最大可能性的预测，保证了表情识别的准确性，具有广泛的应用前景。

摘要： 本发明公开了人脸表情的迁移方法和装置。包括获取当前帧彩色图像并对其进行人脸检测，计算该当前帧彩色图像的人脸若干个预设的关键点的位置；根据当前帧彩色图像的人脸若干个预设的关键点的位置以及预设的变形模型的若干个预设的关键点的位置计算投影矩阵，并利用投影矩阵，将变形模型的若干个预设的关键点的位置所对应的中性表情和表情基投影到二维空间，以获得投影结果；根据投影结果以及当前帧彩色图像的人脸若干个预设的关键点的位置，构造线性方程组，并计算得到表情基的权重系数，以拟合得到人脸的实时表情；根据拟合得到的人脸的实时表情驱动卡通模型，以完成人脸表情的迁移。可以在任意姿态下，形象逼真的迁移人们的各种表情。

摘要： 本发明适用于信息处理领域，提供了一种人脸表情识别方法及人脸表情识别装置，包括：构建并训练基于卷积神经网络的情绪识别模型；将待识别的人脸图像输入所述情绪识别模型，以输出所述人脸图像的情绪类别，所述情绪类别包括正面情绪、负面情绪以及中立情绪中的一种；获取与所情绪类别对应的表情识别模型；将人脸图像输入所述表情识别模型，以输出所述人脸图像的表情类别。本发明通过分层次的方式来对人脸的表情进行识别，根据不同的情绪来选择不同的表情识别模型，减少了每个识别模型所需要记忆的内容，降低了整个表情识别过程的运算复杂度，提高了运算效率。相比于传统的人脸表情识别方法，在本发明中，人脸表情的识别准确率以及识别效率更高。

摘要： 本发明公开了一种人脸表情识别方法和人脸表情识别装置，其中，该人脸表情识别方法包括：获取待识别的人脸图像序列，所述人脸图像序列包含单帧或两帧以上人脸图像；分别对所述人脸图像序列中的各帧人脸图像进行预处理；将预处理后的各帧人脸图像输入已训练好的训练模型进行表情识别，得到所述人脸图像序列的表情识别结果；其中，所述训练模型的输入端到输出端依次由卷积神经网络模型、长短时记忆循环神经网络模型、第一池化层和逻辑回归模型构建，且所述训练模型通过标注表情类别的连续帧图像集合训练得到。本发明提供的技术方案能够有效提升人脸表情的识别性能。

摘要： 本发明公开了一种基于表情迁移的人脸表情识别方法，属于深度学习与图像处理技术领域。本发明通过提取出高纯度的表情相关特征，进而提高表情识别任务的精度。本发明方法为：利用已有成熟网络提取表情图像的全局特征向量，并使用分解器将全局特征向量分解为特征向量A和特征向量B；进行表情迁移训练，使特征向量A演变为表情相关特征，而特征向量B演变为表情无关特征；利用表情相关特征进行表情识别，输出表情类别。本发明借助表情迁移的辅助任务，将原始的含有干扰信息的表情特征向量分解为表情相关特征向量与表情无关特征向量，表情相关特征向量是高质量的，更利于表情识别任务。