基于隐马尔可夫模型的人脸表情识别系统的设计与实现

摘要

人脸表情识别技术是生物特征识别、情感计算、心理学、机器视觉等领域的一个极富挑战性的交叉课题，是近年来的一个研究热点。尽管人脸表情自动识别技术在各种潜在应用的推动下发展很快，但到目前为止，要建立鲁棒的实时人脸表情自动识别系统还有许多难点问题尚未解决。 在总结前人研究成果的基础上，针对人脸表情识别技术的特殊性和困难所在，本文研究了一些改进算法并且进行了实验，工作重点为以下几个方面： (1)首先是人脸检测，本文提出了一种基于色彩空间转换和亮度补偿的肤色检测算法，然后通过构建眼、嘴模板来进行人脸的特征点定位，以及获得图像中人脸所在区域。实验结果表明该方法在时间效率和检测率上都优于单一策略的人脸检测方法。 (2)分析了人脸表情特征及其选取原则，重点论述了纹理特征、特征点特征和密集点运动特征的提取方式。 (3)研究了基于混沌调制与相关检测的人脸表情识别算法，该算法使用了混沌调制对图像的记忆特性，对图像特征数据进行混沌调制进而训练系统。检测阶段将待检测图像的特征数据进行相同的混沌调制和相关检测。实验结果表明该方法对峰值表情有较高的识别率。研究隐马尔可夫模型(Hidden Markov Models，HMM)在人脸表情识别中的应用，设计了基于HMM的人脸表情识别算法。 (4)针对目前人脸表情划分的不足，尝试了基于人脸活动编码系统(Facial Action Coding System，FACS)的精细人脸表情编码方法和使用表情滤波器的表情分解方法。 (5)利用图像处理方法和模式识别知识对人脸表情进行自动分类，实现了一个人脸表情自动分析系统。实验结果表明，该系统能够达到很好的分类效果。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题研究背景及意义

1.2表情识别的概念

1.2.1人脸表情识别的方法

1.2.2人脸识别与表情识别的比较

1.3表情识别的研究现状

1.4人脸表情识别的难点

1.5本文的主要工作

第二章人脸检测

2.1人脸表情分析系统的输入图像

2.1.1简单背景下的人脸图像

2.1.2复杂背景下的人脸图像

2.2人脸检测算法概述

2.2.1简单背景下的人脸检测算法

2.2.2任意复杂背景下的人脸检测算法

2.3人脸检测算法

2.4亮度补偿和肤色检测

2.4.1肤色模型

2.4.2本论文的肤色检测算法

2.5脸部特征的定位

2.5.1嘴部特征的定位

2.5.2眼部特征点的定位

2.6人脸定位

第三章人脸表情特征及其提取

3.1人脸表情特征及其选取

3.1.1人脸的共性特征与个性特征

3.1.2人脸的暂态特征与永久特征

3.1.3人脸的局部特征与整体特征

3.1.4年龄对人脸特征的影响

3.1.5人脸表情特征选取的原则

3.2人脸表情特征的提取与归一化

3.2.1纹理特征提取

3.2.2特征点的选择

3.2.3特征点运动特征提取

3.2.4密集特征点光流方法提取人脸的整体运动

第四章人脸表情识别算法

4.1基于混沌调制的人脸表情识别算法

4.2基于表情滤波器的人脸表情分解

4.3基于HMM(Hiden Markov Model)的人脸表情识别算法

4.3.1隐马尔可夫模型

4.3.2 HMM的三个基本问题及其解决方法

4.3.3基于HMM的人脸表情识别

4.4人脸表情的精细划分与FACS的改进

第五章人脸表情识别系统的技术实现

5.1实验的软、硬件环境

5.2实验所使用的图库

5.3人脸检测试验结果分析

5.4脸部表情数据自动提取实验结果分析

5.5脸部表情分类试验结果分析

结论

参考文献

致谢