基于先驗(yàn)知識(shí)的面部表情和動(dòng)作單元識(shí)別.pdf

1、研究表明面部表情是人類(lèi)情感交流的重要途徑之一，因此表情識(shí)別是擬人化人機(jī)交互研究領(lǐng)域中的關(guān)鍵課題之一。20世紀(jì)90年代開(kāi)始，自動(dòng)表情識(shí)別研究日益活躍起來(lái)，國(guó)內(nèi)外眾多研究機(jī)構(gòu)和高校的研究人員采用不同的方法對(duì)人臉表情識(shí)別相關(guān)技術(shù)和算法進(jìn)行了研究，取得了一定的成果，但總的來(lái)說(shuō)，人臉表情識(shí)別還處于研究階段?，F(xiàn)有的表情識(shí)別分為兩種:面部動(dòng)作單元識(shí)別和表情類(lèi)別識(shí)別，這兩種識(shí)別的一般框架是:先抽取各種幾何和外觀(guān)特征，然后采用機(jī)器學(xué)習(xí)算法構(gòu)建分類(lèi)器以識(shí)別

2、各個(gè)動(dòng)作單元或表情。這種方法是圖像底層特征驅(qū)動(dòng)的，易受到各種成像條件（比如光照和拍攝角度等）的影響，算法的擴(kuò)展性能不強(qiáng)。而面部肌肉相互作用的時(shí)空關(guān)系，即面部的先驗(yàn)知識(shí)，由人臉的解剖學(xué)結(jié)構(gòu)所決定，不受成像環(huán)境的影響。因此，面部的先驗(yàn)知識(shí)可以作為面部圖像數(shù)據(jù)的有益而必要的補(bǔ)充，有可能為提高表情識(shí)別算法的擴(kuò)展性能提供一種新的解決思路。因此，本文針對(duì)先驗(yàn)知識(shí)在面部表情和動(dòng)作單元識(shí)別中的應(yīng)用進(jìn)行了初步探索，具體如下:
　　(1)提出了面部動(dòng)

3、作單元輔助的表情識(shí)別方法。該方法對(duì)表情和動(dòng)作單元之間的概率依存關(guān)系建模作為表情識(shí)別的先驗(yàn)知識(shí)。首先根據(jù)所有訓(xùn)練樣本的標(biāo)簽數(shù)據(jù)為每種表情選擇對(duì)其最重要的面部動(dòng)作單元，然后依據(jù)訓(xùn)練數(shù)據(jù)為每種表情構(gòu)建貝葉斯網(wǎng)絡(luò)以捕獲該表情和其重要相關(guān)面部動(dòng)作單元之間的條件依賴(lài)關(guān)系，再結(jié)合常用分類(lèi)算法完成表情的分類(lèi)識(shí)別。
　　(2)提出了不完整標(biāo)注的面部動(dòng)作單元識(shí)別的方法。該方法為不完整數(shù)據(jù)中的表情和面部動(dòng)作單元之間的概率依賴(lài)關(guān)系建模作為面部動(dòng)作單元識(shí)別

4、的先驗(yàn)知識(shí)。首先采用結(jié)構(gòu)期望最大化算法從不完整標(biāo)注的訓(xùn)練樣本中學(xué)習(xí)表情和各個(gè)面部動(dòng)作單元之間的條件依賴(lài)概率圖模型，然后結(jié)合常見(jiàn)的分類(lèi)模型用以同步檢測(cè)多個(gè)面部動(dòng)作單元。
　　(3)提出了基于隱馬爾科夫模型(Hidden Markov Model，HMM)的面部表情早識(shí)別的方法。本方法為各種表情的時(shí)序信息構(gòu)建HMM作為表情早識(shí)別的先驗(yàn)知識(shí)，以在表情開(kāi)始之后結(jié)束之前盡早地準(zhǔn)確識(shí)別面部圖像序列的表情類(lèi)別。首先利用訓(xùn)練數(shù)據(jù)構(gòu)建各種表情的HM