基于AAM的人臉識別與表情分析.pdf

1、人臉圖像分析在身份鑒別、安防、動畫驅(qū)動、電影制作等方面具有廣泛的應用，人臉識別和表情分析作為人臉圖像分析的兩個重要研究內(nèi)容，涉及到圖像處理、計算機視覺、虛擬現(xiàn)實、人機交互等眾多領域，具有重要的理論意義和實際應用價值。目前，大部分的人臉圖像分析系統(tǒng)都是基于紋理信息，受采集圖像的光照、背景和人臉本身非剛性特點的影響較大，導致特征提取不準確，而結合紋理和幾何信息提取人臉特征是未來人臉圖像分析的主要發(fā)展方向。
　　主動外觀模型（Activ

2、e Appearance Models，簡稱AAM）是Cootes在20世紀末提出的一種用于提取圖像特征的方法，采用形狀和紋理信息融合的統(tǒng)計模型及非線性優(yōu)化的擬合，能夠快速準確地提取人臉的特征。本文采用AAM提取人臉特征點，然后根據(jù)提取的特征構造相應的特征向量分別用于人臉識別和表情分析。研究內(nèi)容主要包括:
　　1.建立主動外觀模型并選擇適當?shù)钠ヅ渌惴?。從有代表性的訓練集中捕獲形狀和紋理的變化，經(jīng)過主成分分析(PCA)產(chǎn)生一個參數(shù)化

3、的人臉外觀模型，利用反轉(zhuǎn)組合算法計算輸入圖像與該模型的最優(yōu)匹配從而定位人臉特征。
　　2.根據(jù)提取的特征構造特征向量，進行人臉識別。利用AAM模型獲取的特征點位置，構造具有尺度、旋轉(zhuǎn)和位移不變性的比例特征向量作為人臉識別的關鍵特征。通過關鍵特征將人臉識別庫中的圖像進行預分類，有效減少識別過程中對比的次數(shù)，然后構造相似度函數(shù)進行待測圖像與識別庫中圖像的匹配。
　　3.根據(jù)AAM特征構造相對位移向量，進行表情分析。根據(jù)不同表情圖

4、像獲取的特征點的位移，構造相對位移向量作為表情識別的輸入特征。通過兩種方式實現(xiàn)表情識別:建立一個多分類的支持向量機將相對位移向量直接識別為六種表情;建立多個二分類的支持向量機檢測人臉的表情活動單元(Active Unit，簡稱AU)，然后通過待測區(qū)域包含的AU取值來判斷表情。
　　對上述算法和技術進行實驗驗證，實驗結果表明，基于AAM進行人臉識別與表情分析可以有效避免光照、背景和姿態(tài)的影響，具有良好的可行性和魯棒性。最后，對本文工