论文部分内容阅读
随着计算机科技的发展以及人工智能研究的兴起,面部表情识别(Facial Expression Recognition,FER)已经成为了人工心理及人工情感研究领域中的主要课题,在人机交互技术研究中的重要性也日趋提高。在进行大量资料查阅和文献阅读的基础上,本文对表情识别系统的多个环节以及主要部分进行了研究,尤其针对特征提取相关算法进行了优化,旨在提高表情识别的准确率,进而支撑动态实时表情识别系统的实现。论文首先对表情识别这一课题研究发展背景以及针对该方向的国内外研究现状进行了阐述;为实现完整的表情识别系统,本文对系统各环节分别进行了研究和实践,并优化了特征提取阶段的算法,在理论的支持下开发了实时表情识别系统。主要研究内容如下:1.研究了基于积分图优化的Haar-Like特征结合级联AdaBoost分类器方法,实现实时人脸检测。人脸检测是表情识别系统的基础,经过实验验证,该方法在动态场景下对于人脸的实时检测具有很好的性能,在面部存在偏转以及类似干扰的情况下均可以准确检测人脸。2.采用限制局部模型(Constrained Local Model,CLM)完成面部关键特征点定位,降低了计算复杂度。面部特征点的定位是提取几何特征及局部区域的前提,相对于当前主流的特征点定位算法--主动表观模型(Active Appearance Model,AAM),CLM模型定位特征点时需检测的特征更少,从而保证了系统的实时性。3.研究了一种几何特征和关键区域的局部二值模式(Local Binary Pattern,LBP)纹理特征相结合的方法进行表情特征提取,提高了表情识别系统的效率。表情特征提取后,采用局部线性嵌入(Locally Linear Embedding,LLE)方法完成特征降维处理及融合,支持向量机(Support Vector Machine,SVM)来实现特征的分类。在拥有七种表情的JAFFE数据集和手动选择包含四种表情的Yale数据集上进行实验,将本文的方法分别与其他不同方法进行对比,准确率均有优势。4.开发了一个实时表情识别系统,验证了本文算法的性能。将上述算法理论研究和验证结果作为基础,以Visual Studio 2010(VS2010)为开发平台,在OpenCV3.0计算机视觉库支持下开发了一个实时表情识别系统,该系统可以实现七类基本表情的动态识别。