人臉面部表情識別方法研究.pdf

1、本文在分析總結(jié)國內(nèi)外心理學(xué)和計(jì)算機(jī)領(lǐng)域關(guān)于面部表情識別研究工作的基礎(chǔ)上，針對基于靜止的單幀人臉圖像和局部化的臉部運(yùn)動(dòng)編碼系統(tǒng)的特征，提出一種改進(jìn)的基于高斯混合隱馬爾可夫模型的動(dòng)態(tài)人臉表情識別方法，在一定程度上更真實(shí)地反映了人臉表情變化的特征和情緒心理。主要成果如下： 1.提出了一種基于相位形式描述面部表情運(yùn)動(dòng)特征的方法。該方法將面部表情特定區(qū)域的運(yùn)動(dòng)特征表示成相位形式，對其降維后構(gòu)造特征向量，并組成時(shí)序特征序列，簡化了構(gòu)造特征向

2、量的計(jì)算過程。實(shí)驗(yàn)結(jié)果表明，該方法簡化了計(jì)算，減少了后續(xù)表情分類過程的處理時(shí)間。 2.針對傳統(tǒng)的離散隱馬爾可夫模型在對表情特征序列進(jìn)行矢量量化方面的不足，提出基于單步左-右高斯混合隱馬爾可夫模型描述面部表情時(shí)序特征序列的方法，直接在特征向量空間上分配概率，并假設(shè)表情時(shí)序特征序列服從高斯混合分布，從而減少矢量量化誤差。 3.在采用高斯混合模型描述面部表情時(shí)序特征序列的過程中，提出利用k-means聚類算法指定該概率模型初始