基于單演二值模式的微表情識別研究.pdf

1、微表情是一種非常短暫的、不能自主控制的面部表情，現(xiàn)實生活中只有少部分人能夠察覺的到。與普通面部表情相比，微表情更能泄露人們的真實感受與動機(jī)，經(jīng)常發(fā)生在人類試圖隱藏或者壓抑真實情感時，可以作為識別謊言的有效線索。由于微表情持續(xù)時間短、表情幅度弱，實現(xiàn)對它的自動檢測與識別成為了研究的難點。
　　本文提出了基于單演局部二值模式的微表情特征提取算法，并將其分別應(yīng)用于靜態(tài)圖像和動態(tài)圖像序列中，主要研究內(nèi)容包括以下幾個方面：
　　(1)

2、人臉特征點定位。針對表觀參數(shù)模型（如活動外觀模型）計算復(fù)雜度高等問題，本文提出并實現(xiàn)了監(jiān)督下降法。該方法只需通過學(xué)習(xí)方向下降序列，就能很好地實現(xiàn)人臉特征點的檢測，減少計算量。
　　(2)針對微表情特征提取，本文提出了基于單演信號分析的單演局部二值模式（Monogenic binary pattern，MBP）算法，該算法應(yīng)用較少的卷積運算，提取出更為緊湊的特征向量，顯著地降低了時間和空間復(fù)雜度。由于微表情幅度比較微弱，動態(tài)特征提取

3、能獲得更全面的特征信息，本文將 MBP的改進(jìn)算法單演二值模式的三維正交平面（MBP threeorthogonal planes，MBP-TOP）算法應(yīng)用于動態(tài)圖像序列中，得到更好的分類效果。
　　(3)作為概率統(tǒng)計模型，隱馬爾科夫模型（Hidden Markov Model，HMM）已經(jīng)被成功從語音識別中應(yīng)用到了人臉表情識別。本文提出了雙層隱馬爾科夫模型，并對訓(xùn)練過程進(jìn)行了改進(jìn)，在微表情識別中取得很高的識別率。
　　本文實