上半人臉運(yùn)動(dòng)單元狀態(tài)識(shí)別的研究.pdf

1、人臉運(yùn)動(dòng)單元狀態(tài)識(shí)別是指通過(guò)計(jì)算機(jī)分析人的臉部不同運(yùn)動(dòng)單元和其組合的狀態(tài)變化，由此可確定其內(nèi)心情緒或思想活動(dòng)，實(shí)現(xiàn)人機(jī)之間更自然更智能化的交互。人臉運(yùn)動(dòng)單元識(shí)別的研究對(duì)于增強(qiáng)計(jì)算機(jī)的智能化和人性化，開(kāi)發(fā)新型人機(jī)環(huán)境，以及推動(dòng)心理學(xué)等學(xué)科的發(fā)展，有著重要的現(xiàn)實(shí)意義，并最終產(chǎn)生很大經(jīng)濟(jì)效益和社會(huì)效益。 本文首先綜述課題的研究背景，分析目前國(guó)內(nèi)外已提出的主流人臉運(yùn)動(dòng)單元識(shí)別方法，重點(diǎn)對(duì)小波變換、獨(dú)立分量分析、矩的方法和光流模型進(jìn)行了詳

2、細(xì)闡述和比較。然后針對(duì)人臉運(yùn)動(dòng)單元識(shí)別系統(tǒng)中人臉圖像預(yù)處理和運(yùn)動(dòng)單元子區(qū)域的定位與分割、運(yùn)動(dòng)單元特征提取和運(yùn)動(dòng)單元特征分類識(shí)別三個(gè)主要部分，提出了自己的一些算法，具體包括如下： (1)提出了基于Harris角點(diǎn)檢測(cè)的上半人臉運(yùn)動(dòng)單元子區(qū)域定位與分割算法。在從圖像中檢測(cè)出人臉區(qū)域的基礎(chǔ)上，對(duì)檢測(cè)出的人臉區(qū)域進(jìn)行歸一化處理，然后用基于Harris角點(diǎn)檢測(cè)的算法精確地定位各個(gè)上半人臉運(yùn)動(dòng)單元子區(qū)域，并將其分割出來(lái)。該算法能準(zhǔn)確地從人臉

3、區(qū)域中將不同的上半人臉運(yùn)動(dòng)單元分割出來(lái)。 (2)提出了基于KPCA的上半人臉運(yùn)動(dòng)單元狀態(tài)特征的提取算法。在定位分割出上半人臉運(yùn)動(dòng)單元子區(qū)域圖像之后，提出了采用KPCA算法提取它們的特征。在設(shè)計(jì)KPCA算法中，根據(jù)上半人臉運(yùn)動(dòng)單元圖像的狀況，選擇設(shè)計(jì)相應(yīng)的核函數(shù)，形成合理可用的有針對(duì)性的改進(jìn)KPCA特征提取算法。該算法既能屏蔽與個(gè)人有關(guān)的特征以及光照的變化，基本做到與人無(wú)關(guān)的運(yùn)動(dòng)單元狀態(tài)識(shí)別，使識(shí)別系統(tǒng)更加可靠、魯棒；又能將圖像映

4、射到特征空間，大大降低了圖像矩陣的維數(shù)，從而有效地減少計(jì)算量。 (3)采用了基于改進(jìn)的SVM分類器，進(jìn)行上半人臉運(yùn)動(dòng)單元狀態(tài)的分類識(shí)別。通過(guò)對(duì)提取出的KPCA特征的性質(zhì)進(jìn)行分析和試驗(yàn)，然后合理選擇設(shè)計(jì)相關(guān)的核函數(shù)和懲罰因子，從而形成基于SVM的上半人臉運(yùn)動(dòng)單元狀態(tài)的分類識(shí)別算法。該算法能夠獲得較好的識(shí)別結(jié)果，同時(shí)保證較快的執(zhí)行速度。 最后采用面向?qū)ο蟮脑O(shè)計(jì)方法，結(jié)合應(yīng)用了VC++和Matlab中的相應(yīng)庫(kù)函數(shù)，設(shè)計(jì)開(kāi)發(fā)了上