论文部分内容阅读
面部表情是一种重要的肢体语言，在人们的日常生活中，只有7%的信息是通过语言来传递的，而55%的信息则是通过面部表情来传递的。人脸表情识别是让计算机对人脸的表情信息进行特征提取分析，通过结合人类先验知识进行自我学习、推理以及判断，进而去理解人脸表情蕴含的信息，最终实现人机之间的智能交互。它在机器人技术、图像理解、虚拟现实技术等诸多领域都有着潜在的应用价值。对表情识别领域的研究可以推动计算机向智能化和人性化方向更好地发展，具有非常重要的现实意义。尽管目前人脸表情识别技术己经取得了不少进展，然而与人类自身的表情识别性能相去甚远，仍需进一步深入研究。本文属于应用数学与生命科学的交叉研究，基于生物仿生学和人类视觉神经系统的目标识别处理过程，研究了基于视觉感知机理的特征提取模型，提出了一种基于标准模型特征（Standard ModelFeatures，SMF）的人脸表情识别方法。该方法利用改进的SMF进行表情特征提取，结合SVM分类算法进行人脸表情识别，在JAFFE和TFEID人脸表情数据库上的实验平均识别率达到85%以上，若每人两幅图片作训练则能达到95%以上。实验表明，基于视觉感知机理的SMF提取方法具有很好的表情表征能力，和现有的主要人脸表情识别方法相比，基于SMF-SVM的人脸表情识别方法具有更高的鲁棒性和准确性。