论文部分内容阅读
随着人们对人机交互兴趣的增加,情感计算逐渐成为一个研究热点。情感计算是一个跨学科的研究领域,具有很高的理论研究价值和应用前景。计算机和机器人如果能够像人类那样具有理解和表达情感的能力,将从根本上改变人与计算机之间的关系,使计算机能够更好地为人类服务。表情含有丰富的人体行为信息,是情感最主要的载体。作为情感计算的一个重要研究方向,表情识别构成了情感理解的基础,是计算机理解人们情感的前提。目前,对于人类情感的研究还处于探索阶段,对人类情感的定义至今没有一个统一的认识,这对于分析由情感引发的表情是一个障碍。目前,人脸表情分析主要集中于表情生成和表情识别两个方面。人脸表情生成侧重于人脸表情的仿真模拟;而人脸表情识别则侧重于根据人脸的图像信息对作为情感外在表现的表情进行分类。但是,由于人脸表情往往是多种情感交织的结果,将其简单或硬性地归入某一特定类别的做法就未必是合理的。本文以人脸表情为主要研究对象,以人脸表情识别为主要研究目的,对人脸表情特征的提取、人脸表情空间建模以及不同脸型的人脸表情分析等问题进行较深入的研究。在此基础上,构建了一个面向特定人的人脸表情识别系统,该系统除了可以验证本文所提出的模型和方法外,还可以作为人脸表情分析的研究和实验平台,为以后的研究工作奠定了良好的基础。和现有人脸表情识别研究不同,考虑到人脸表情是由人的情感引发的生理现象,本文从情感心理学的角度,对人脸表情及其分类问题进行了深入研究,提出了一种新的人脸表情空间模型。该模型具有能够对人脸表情所反映的人的情感进行更恰当的表达的特点。此外,考虑到人脸表情的个体差异性,本文对不同脸型人脸表情的差别进行了分析,提出了基于脸型分类的人脸表情识别框架。本文的创新点和主要贡献如下:(1)从表情特征提取的需求出发,根据眼睛的轮廓特征知识,提出了一种利用变换投影估计形状参数,并结合实际图像信息提取眼睛轮廓的新方法。(2)人脸表情特征往往体现在细节方面,本文利用Gabor小波核函数能够捕捉对应于空间频率(尺度)、空间位置及方向选择性的局部结构信息的特点,提出了一种基于Gabor小波各分量融合的表情识别方法,提高了人脸表情的识别率。(3)在对人脸表情的特点进行分析、给出表情空间的定性描述的基础上,提出了一种兼有离散情感空间模型和连续情感空间模型特点的新的表情空间模型。(4)在对不同脸型的人脸表情进行分析的基础上,研究了不同脸型人脸表情之间的差异,提出了基于脸型分类的人脸表情识别框架,并基于三维数据和二维数据设计了相关的表情识别实验,验证了基于人脸脸型分类的表情识别算法的有效性。(5)结合人脸表情空间模型和基于脸型分类的人脸表情识别框架,设计一个面向特定人的人脸表情识别系统,为后续的人脸表情分析研究奠定了良好的工作基础。