基于先驗知識的面部表情和動作單元識別.pdf

1、研究表明面部表情是人類情感交流的重要途徑之一，因此表情識別是擬人化人機交互研究領域中的關鍵課題之一。20世紀90年代開始，自動表情識別研究日益活躍起來，國內外眾多研究機構和高校的研究人員采用不同的方法對人臉表情識別相關技術和算法進行了研究，取得了一定的成果，但總的來說，人臉表情識別還處于研究階段。現(xiàn)有的表情識別分為兩種:面部動作單元識別和表情類別識別，這兩種識別的一般框架是:先抽取各種幾何和外觀特征，然后采用機器學習算法構建分類器以識別

2、各個動作單元或表情。這種方法是圖像底層特征驅動的，易受到各種成像條件（比如光照和拍攝角度等）的影響，算法的擴展性能不強。而面部肌肉相互作用的時空關系，即面部的先驗知識，由人臉的解剖學結構所決定，不受成像環(huán)境的影響。因此，面部的先驗知識可以作為面部圖像數(shù)據的有益而必要的補充，有可能為提高表情識別算法的擴展性能提供一種新的解決思路。因此，本文針對先驗知識在面部表情和動作單元識別中的應用進行了初步探索，具體如下:
　　(1)提出了面部動

3、作單元輔助的表情識別方法。該方法對表情和動作單元之間的概率依存關系建模作為表情識別的先驗知識。首先根據所有訓練樣本的標簽數(shù)據為每種表情選擇對其最重要的面部動作單元，然后依據訓練數(shù)據為每種表情構建貝葉斯網絡以捕獲該表情和其重要相關面部動作單元之間的條件依賴關系，再結合常用分類算法完成表情的分類識別。
　　(2)提出了不完整標注的面部動作單元識別的方法。該方法為不完整數(shù)據中的表情和面部動作單元之間的概率依賴關系建模作為面部動作單元識別

4、的先驗知識。首先采用結構期望最大化算法從不完整標注的訓練樣本中學習表情和各個面部動作單元之間的條件依賴概率圖模型，然后結合常見的分類模型用以同步檢測多個面部動作單元。
　　(3)提出了基于隱馬爾科夫模型(Hidden Markov Model，HMM)的面部表情早識別的方法。本方法為各種表情的時序信息構建HMM作為表情早識別的先驗知識，以在表情開始之后結束之前盡早地準確識別面部圖像序列的表情類別。首先利用訓練數(shù)據構建各種表情的HM