文档介绍：
基于面部肌肉特征的面部表情度量方法
陈晓钟,丁笛童,杨刚,许洁萍
(中国人民大学信息学院,北京 100872)
摘要:提出了一种新的面部特征用于描述面部状态,以及基于该特征实现的面部表情度量方
法。特征的产生是基于对人类表情肌活动效果的归纳,而度量方法则使用支持向量机的后验
概率作为依据。另外,构建了基于不同特征,不同面部素材库,以及不同决策模型的对比实
验。实验结果表明,基于新特征的度量方法相比起其他的方法能够对不同的面部表情产生具
有足够区分度的度量,并以更高的准确率提取视频文件中的”最夸张”的表情。
关键词:计算机应用技术,面部表情度量,面部肌肉特征,支持向量机
中图分类号:
文献标识码:A
A method for facial expression measurement based on a
facial muscle feature
Chen Xiaozhong, Ding Ditong, Yang Gang, Xu Jieping
(School of Information, Renmin University of China, Beijing 100872, China)
Abstract: A new facial feature produced from a set of primitive feature points and a facial expression
scoring method based on the new feature are proposed. Development of the new feature d is based on
the summarization of human facial muscle movement effects. And the scoring method uses posteriori
produced by SVM as the foundation of the scoring results. In the experiment, besides facial muscle
feature, positions of the primitive feature points as a whole feature vector are added as parison, as
well as different decision-making models and different sources of testing set. Based on the new feature
the scoring system provides enough distinguishing scoring results on expressions of different intensities,
and extracts ‘the most intensive’ expression frame from videos with a rather high accuracy.
Key words: technology puter application, facial expression measurement, facial muscle features,
Support Vector Machine
计算机的智能化、易用化是计算机科学的发展方向。使计算机由认知性转变为直觉性,
实现从人操作计算机至计算机辅助人是人们的梦想[1]。为了实现这一目标,使计算机学会理
解人类交流方式就显得尤为重要。表情是一种日常生活中重要的非语言交流方式,人们在交
流过程中会大量使用各种表情来表达自己的想法。文献[2]认为,在人类日常交流中,有 55%
的信息是通过面部表情传递的。不难看出,面部表情度量在人机交互方面具有广阔的应用前
景,对其进行研究对计算机的发展具有深远的意义。文献[3]提出了脸部情感的表达方式
(Facial Action Coding System,FACS),通过使用不同的编码与运动单元组合,使脸部形成复
杂的表情变化,对研究表情度量有重要意义。此外,人们通过图像处理方法在一定精度下获
取人脸特征点,使用 SVM[4]、BP 神经网络[5]、Adaboost[6]等方法建立由特征向表情度量的映
射,取得了一定成果。有研究人员还通过建立肌肉模型用于实现对表情的模拟[7]。
本文实现表情度量模型所采用的方法为,将检测出的所有特征点的坐标向量转换为对相
应的表情肌运动效果的描述,作为度量系统的输入,经由 SVM 训练之后得到分类,并依此