基于增量学习和ASM的人脸表情分析与识别.pdfVIP

第３１卷第３期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．３ ２０１４年３月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｍａｒ．２０１４ 基于增量学习和ＡＳＭ的人脸表情分析与识别 梁 雪 梅 （重庆电子工程职业学院计算机学院　重庆４０１３３１） 摘　要　　主动形状模型ＡＳＭ（Ａｃｔｉｖｅｓｈａｐｅｍｏｄｅｌ）是一种基于参数化的统计模型，主要用在图像特征点提取和图像分割中。在分 析传统方法不足的基础上，提出一种改进的主动形状模型定位人脸特征的新方法。该方法采用增量学习ＰＣＡ方法，可以有效解决 模型匹配失败和受测试图像影响等因素，同时可对训练集进行纹理模型更新。把改进的方法用在人脸表情分析和识别上，采用 ＳＶＭ建立表情分类器。实验结果表明，改进的方法可以有效提高人脸特征点的定位精度，同时提高了表情识别率。 关键词　　主动形状模型　特征提取　ＰＣＡ　增量学习　纹理模型　表情识别　ＳＶＭ 中图分类号　ＴＰ３９１．４１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．０３．０４５ ＦＡＣＩＡＬＥＸＰＲＥＳＳＩＯＮＡＮＡＬＹＳＩＳＡＮＤＲＥＣＯＧＮＩＴＩＯＮＢＡＳＥＤ ＯＮＩＮＣＲＥＭＥＮＴＡＬＬＥＡＲＮＩＮＧＡＮＤＡＣＴＩＶＥＳＨＡＰＥＭＯＤＥＬ ＬｉａｎｇＸｕｅｍｅｉ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＣｈｏｎｇｑｉｎｇＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇＶｏｃａｔｉｏｎａｌＣｏｌｌｅｇｅ，Ｃｈｏｎｇｑｉｎｇ４０１３３１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ａｃｔｉｖｅｓｈａｐｅｍｏｄｅｌ（ＡＳＭ）ｉｓａｐａｒａｍｅｔｅｒｉｓａｔｉｏｎｂａｓｅｄｓｔａｔｉｓｔｉｃａｌｍｏｄｅｌ，ｗｈｉｃｈｉｓｍａｉｎｌｙｕｓｅｄｉｎｉｍａｇｅｆｅａｔｕｒｅｐｏｉｎｔｓｅｘｔｒａｃ ｔｉｏｎａｎｄｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ．ＡｎｉｍｐｒｏｖｅｄｎｅｗｍｅｔｈｏｄｉｓｐｒｏｐｏｓｅｄｗｈｉｃｈｕｓｅｓＡＳＭｔｏｌｏｃａｔｅｔｈｅｆａｃｉａｌｆｅａｔｕｒｅｓｂａｓｅｄｏｎａｎａｌｙｓｉｎｇｔｈｅｉｎｓｕｆ ｆｉｃｉｅｎｃｙｏｆｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄ．ＢｙｕｓｉｎｇｉｎｃｒｅｍｅｎｔａｌｌｅａｒｎｉｎｇＰＣＡ，ｔｈｉｓｍｅｔｈｏｄｉｓａｂｌｅｔｏｅｆｆｅｃｔｉｖｅｌｙｒｅｓｏｌｖｅｔｈｅｆａｃｔｏｒｓｏｆｍｏｄｅｌｍａｔｃｈｉｎｇｆａｉｌ ｕｒｅａｎｄｔｈｅｅｆｆｅｃｔｏｆｔｈｅｉｍａｇｅｔｏｂｅｔｅｓｔｅｄ，ｅｔｃ．，ａｎｄｔｏｕｐｄａｔｅｔｈｅｔｅｘｔｕｒｅｍｏｄｅｌｏｎｔｒａｉｎｉｎｇｓｅｔａｔｔｈｅｓａｍｅｔｉｍｅ．Ｍｏｒｅｏｖｅｒ，ｔｈｅｉｍｐｒｏｖｅｄ ｍｅｔｈｏｄｉｓｕｓｅｄｆｏｒｆａｃｅｅｘｐｒｅｓｓｉｏｎａｎａｌｙｓｉｓａｎｄｒｅｃｏｇｎｉｔｉｏｎ，ａｎｄａｔｌａｓｔｔｈｅＳＶＭｉｓｕｓｅｄｔｏｓｅｔｕｐｔｈｅｅｘｐｒｅｓｓｉｏｎｃｌａｓｓｉｆｉｅｒ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅ ｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｉｍｐｒｏｖｅｄｍｅｔｈｏｄｃａｎｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｔｈｅｌｏｃａｔｉｎｇａｃｃｕｒａｃｙｏｆｆａｃｉａｌｆｅａｔｕｒｅｐｏｉｎｔｓａｎｄａｌｓｏｉｍｐｒｏｖｅｔｈｅｅｘｐｒｅｓｓｉｏｎｒｅｃ ｏｇｎｉｔｉｏｎｒａｔｅｍｅａｎｗｈｉｌｅ． Ｋｅｙｗｏｒｄｓ　　Ａｃｔｉｖｅｓｈａｐｅｍｏｄｅｌ　Ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ　ＰＣＡ　Ｉｎｃｒｅｍｅｎｔａｌｌｅａｒｎｉｎｇ　Ｔｅｘｔｕｒｅｍｏｄｅｌ　Ｅｘｐｒｅｓｓｉｏｎｒｅｃｏｇｎｉｔｉｏｎ　ＳＶＭ 简单、易于实现、且方便扩展到三维图像。为了提高ＡＳＭ算法 ０　引　言 在人脸平滑区域定位特征点的准确性，李皓等［７］基于局部定位 的多模板ＡＳＭ算法，在算法中首