文档介绍：人脸表情自动识别系统的研究与实现导师:赵政学生:孙涵提纲·研究背景及意义国内外研究水平及存在问题本文采用的技术及方法·工作进度安排参考文献研究背景及意义人类的语言分为自然语言和形体语言两类,面部表情是形体语言的一部分。在人类交往过程中,言语与表凊经常是相互配合的。一些心理学家研究发现在人类进行会话交流传递信息时:话语内容占7%;说话时的语调占38%;而说话人的表情占55%,所以说表情在人类交往活动中起到了重要的作用·因此对人类面部表情的识别与分析有重要的意义,它不仅将有利于我们开发更高效的人机交互界面,也是研究情感机器人,使之能表现、识别和理解人类的情感的工作起点。国内外研究水平人脸表情识别是人机智能交互的重要基础,该课题涉及图像处理、运动跟踪、模式识别、生理学、心理究领域,是当前国内外模式识别和人工智能领域个研究热点提出了脸部系练(FacialActionCodingSystemFACS),将脸部肌肉运动划分为不ctionUr早是1978年定的连续录像画面中脸部固定的20个点进行跟踪识别,并与典型模式进行比较以实现脸部表情识别果在上对个险甄新鸣误及其相美互向的吸要有关的麻理要有清(y0)等。在国内,也有很多大学和科研机构从识别研究,主哈工大、北京交通大学、中科院自动化所和计算所表情识别的3个关键环节·自动人脸表情识别系统包括人脸检测,特征提取和表情分类3个关键环节在分析人脸表情和抽取特征数据之前,首先要进行人脸检测。检测到人脸之后将人脸从背景中分割出来,并进行尺寸,灰度等的归一化。之后的特征提取可以分为静态和动态图像2种情况。最后,要定义一些人脸情感类别并且设计分类的算法来进行人脸的表情分类人脸表情识别流程图人脸分割归一化人脸检测表情特征提取人险表情分类运动提取形变提取表情特征提取的主要技术表情识别的关键在于表情特征提取的准确性和有效性上。目前所用到的识别特征主要有:灰度特征、运动特征和频率特征灰度特征是丛情像的灰度倬上来处理,利用不回老情有不回下要求图像对光照、角度等因篆要进行充分的预处珥,徒获得的灰度值具有归一性运动特征利用了不同表情情况下人脸的主要表情点的运动信息来进行识别频域昔年害要是利用了表情图像在不同的频率分解下的差别,速度快是箕显著特点。别体的态雙韆法迄动斑段淒荷在漢籍劉祷狃部整体法与局部法·整体识别法中,无论是从脸部的变形出发还是从脸部的运动出发,ponentAnalysis,PCA)法、,ponentAnalysi1CA)、F中e线性判erFisherActions)、隐马尔科夫模型法(HideMarkovModel,,HMM)和聚类分析法。局部识别法就是将人脸的各个部位在识别时分开,也就是说各个部位的重要性是不一样如说在表情识别时,最典型的部位就是眼睛、嘴、眉毛等,这些地方的不同运动表示了丰富的面部表的想歇摻題分子篚矫蹙趁和提裔莊别时可以尽量形变法与运动法形变提取法是根据人脸在表达各种表情时的各个部位的变形情况来识别的,主要的方法有:主分量分析法(PcA)、Gbo小波、运动模板法(ActiveShapeModel,ASM)和点分布模型(PointDistributionModel,PDM)法。运动法是跟踪人脸在表达各种特定的表情时一些特定的特征部位的运动来识别的。典型的识别方法有:光流法(OpticalFlow)和MPEG-4中的脸部运动参数it(FaceAnimationParameterFAP)几何法和容貌特征法·几何特征法是根据人的面部的各个部分的形状和位置(包括嘴、眼睛、眉毛、鼻子)来提取特征矢量,这个特征矢量来代表人脸的几何特征。根据这个特征矢竽恩星光可A别分法重要的方法是:基在容貌特征法中,主要是将整体人脸或者是局部人脸通过图像的滤波,以得到特征矢量。常用的滤波器是6abor小波。然,这三个发展方向不是严格独立,它们只是从不角度来进行特征提取,都只是提供了分析表情的思路,相互联系,相互影响。有很多种方法是介于两者甚至是三者之间。