论文部分内容阅读
表情是人类表达情感的重要方式之一。表情识别系统让计算机具备了自主理解人类情感的功能,这对实现人机和谐交互有着重要意义。人脸表情识别系统有很高的实用价值和广阔的市场应用前景,它是当今热度很高的人工智能研究内容之一。虽然目前表情识别技术已经获得巨大发展,但在实用化方面,还存在一些问题:由于研究的侧重点不同,现有视频人脸表情识别方法识别速度快,但鲁棒性较差;现有单张图像人脸表情识别方法识别效果好,但识别速度欠佳。因此,论文对基于视频并具有较强鲁棒性以便更满足现实使用条件的表情识别系统进行了研究和设计,具体工作如下:(1)分析了人脸表情识别的研究现状,针对表情识别系统在实用化方面存在的问题,构建了一个高鲁棒性视频人脸表情识别系统。(2)实现了视频人脸表情图像的自适应采集和预处理,提高了系统在噪声、背景干扰、光照和尺度变化方面的鲁棒性。(3)改进了传统的60位点ASM人脸关键点定位方法:根据人脸表情的特点,对人脸关键点标定位置做了重新规划,并用ASM+结构法的方法代替了传统的纯ASM方法实现人脸关键点定位。实验证明,新的标定策略所得到的关键点虽然数量减少但含有的表情信息更为有效,ASM+结构法的定位方法比纯ASM定位方法的计算量要小很多,为提高人脸表情识别系统的鲁棒性和实时性打下了基础。(4)将论文改进的人脸关键点定位方法和Gabor变换相融合,实现了对人脸表情图像的Gabor特征提取和降维;分析了不同部位关键点的差异,对上下半脸的关键点分别做了不同尺度、多方向的Gabor变换,实现了对表情特征的进一步有机降维。实验证明,该方法既利用了Gabor变换在鲁棒性方面的优势,又通过降维解决了Gabor特征数据冗余的问题,提取的表情特征合理保留了人脸关键点的有效表情信息,提高了系统的实时性和鲁棒性。(5)设计并实现了一种1对多与2对2相结合的SVM分类器,用于6类表情识别。实验证明,该分类器在识别无遮挡人脸图像时比一对多SVM分类器的识别率高3.02%,且该分类器与论文提出的表情特征提取方法相结合时,整个系统对局部遮挡具有鲁棒性,并具有运算速度快的特点。