基于fuzzy表情強(qiáng)度度量分析.pdf

1、表情在人們?nèi)粘Ｉ钪衅鹬浅Ｖ匾淖饔?，是人們非語言交流的一種重要方式。隨著情感計算和智能化人機(jī)交互界面的發(fā)展，人們要求計算機(jī)能具備感知和理解人的情感方式與人進(jìn)行交互而最直接的首要的研究方式就是分析人的面部表情。于是對面部表情分析作為一個重要的課題被提出來，至今已有多種面部表情識別的方法，而對表情識別的度量的研究卻很少。人類的面部表情是由面部肌肉運動形成的，研究人類面部表情首先要從肌肉運動入手并動態(tài)跟蹤這些運動。我們工作是基于艾克曼的F

2、ACS系統(tǒng)，利用MHI和BP神經(jīng)網(wǎng)絡(luò)原理以及fuzzy數(shù)學(xué)和ANFIS系統(tǒng)來對面部表情強(qiáng)度進(jìn)行衡量。由于面部表情是不受種族、性別、年齡、教育程度等因素影響。所以我們對面部表情強(qiáng)度分析進(jìn)行了一系列的研究并獲得了一定的研究成果。從未來人機(jī)交互功能的發(fā)展來看，對面部表情進(jìn)行強(qiáng)度度量的研究將會越來越活躍。本文在對面部表情分析研究現(xiàn)狀的基礎(chǔ)上，針對面部表情強(qiáng)度度量的方法開展研究，并識別出從視頻中輸出的面部表情，其主要工作如下：
　　 1.

3、采用一種基于運動模板對面部進(jìn)行特征提取。
　　 2.利用面部肌肉運動和BP神經(jīng)網(wǎng)絡(luò)對表情作出判斷。
　　 3.將fuzzy用于對表情強(qiáng)度等級的度量。引入表情強(qiáng)度等級，訓(xùn)練集中的圖像由BP神經(jīng)網(wǎng)絡(luò)提取出表情強(qiáng)度值，訓(xùn)練的面部特征軌跡與相應(yīng)幀的表情強(qiáng)度等級作為fuzzy的學(xué)習(xí)樣本，建立表情強(qiáng)度模型，對測試序列中的表情幀進(jìn)行強(qiáng)度等級的分類。
　　 4.識別出從視頻中輸出的面部表情，并嘗試了對“高興”這一表情進(jìn)行了層次上