基于語音和人臉的情感識別研究.pdf

1、情感識別是情感計(jì)算領(lǐng)域中的一個重要分支，是當(dāng)前信號處理、模式識別、人工智能、人機(jī)交互等領(lǐng)域的研究熱點(diǎn)。由于情感識別是一個多學(xué)科交叉的復(fù)雜研究課題，尚存在諸多問題有待解決，尤其在特征提取、特征降維、識別方法以及多模態(tài)情感信息融合等方面還有待更深入地研究。
　　情感語音和人臉表情是人類表達(dá)情感的最主要的兩種方式。本論文正是針對基于情感語音和人臉表情的情感識別方面的關(guān)鍵技術(shù)做了探索，提出了若干改進(jìn)算法應(yīng)用于情感識別。本論文的主要內(nèi)容為：

2、
　　1．綜述了語音情感識別和人臉表情識別兩個方面的研究歷史及現(xiàn)狀，概述了其中的重點(diǎn)和難點(diǎn)，如情感數(shù)據(jù)庫、情感特征提取與降維、以及情感的分類算法等。
　　2．研究適用于語音情感特征數(shù)據(jù)的非線性降維算法，給出一種改進(jìn)的監(jiān)督局部線性嵌入（Improved-SLLE）算法。為了克服SLLE算法的不足，提出一種能夠提高 SLLE算法所產(chǎn)生的低維嵌入數(shù)據(jù)的判別力，并具備最優(yōu)泛化能力的改進(jìn)SLLE算法。該算法對提取的語音韻律特征和音質(zhì)特

3、征作非線性降維處理，從而在低維的嵌入特征空間里實(shí)現(xiàn)語音情感識別性能的改善。
　　3．研究適用于語音情感特征數(shù)據(jù)的基于核思想的非線性降維算法，提出一種核判別局部線性嵌入（KDLLE）算法。為了融合核方法和局部線性嵌入（LLE）算法，通過設(shè)計(jì)一個核判別距離，并在再生核 Hilbcrt空間（RKHS）上實(shí)現(xiàn)重構(gòu)誤差的最小化，從而提出一種具有判別性質(zhì)的核判別局部線性嵌入算法。該算法用于語音情感特征數(shù)據(jù)的非線性降維，不僅取得了比LLE更好的

4、低維可視化效果，而且也表現(xiàn)出優(yōu)越的語音情感識別性能。
　　4．研究語音情感的連續(xù)性動態(tài)變化的跟蹤技術(shù)，提出一種基于“激發(fā)維-效價(jià)維-控制維（AVD）”三維連續(xù)空間模型的語音情感估計(jì)方法。根據(jù)情感維度表示理論，情感可定義為三維連續(xù)空間模型（AVD）上的坐標(biāo)點(diǎn)。每個AVD坐標(biāo)點(diǎn)就可以唯一地標(biāo)識某一種離散的情感類型。通過采用回歸方法對情感語音的AVD坐標(biāo)值的連續(xù)性變化進(jìn)行預(yù)測估計(jì)，從而將針對離散情感的語音情感識別問題轉(zhuǎn)化為針對連續(xù)性情感

5、變化的語音情感估計(jì)問題，以便達(dá)到對語音情感表達(dá)的連續(xù)性動態(tài)變化進(jìn)行追蹤的目的。
　　5．研究基于壓縮感知理論的魯棒性人臉表情識別技術(shù)，給出一種基于稀疏表示的人臉表情識別新方法。首先對要識別的受到腐蝕或遮擋的測試樣本表情圖像尋求其稀疏表示，然后采用壓縮感知理論求解其最稀疏的解，最后根據(jù)所求取的最稀疏解信息進(jìn)行表情分類。在提取原始像素、局部二元模式（LBP）與 Gabor小波三種人臉表情特征之后，該方法可用于實(shí)現(xiàn)魯棒性的人臉表情識別。