人脸表情识别技术综述.pdfVIP

信息技术推广 中国科技信恩 2014年第 16期 ‘CHINASCIENCEANDTECHNOLOGYINFORMATIONAug．2014 常 娜 常 娜 南京林业大学南方学院 。 常娜 (1985一)女 ，南京林业大学南方学院，硕士研究生，研究方向：计算机图像处理。 DOL：10． 3969／j．issn．1001-8972．2014．16．041 人脸表情识别技术综述 人脸表情识别是使计算机通过获得人脸表情信息推断 出人的心理状态，由此实现人 一机间的高级智能交互，它 是一种对人脸表情信息进行特征提取和归类的过程。它是 图1 表情识别系统结构示意图 机器视觉、心理学和图像处理等领域的一个交叉课题，是 情感计算机研究的内容之一，主要应用在智能机器人研制、 光流法。光流属于运动特征提取法之一，基于光流的 医疗、安全等领域。 算法有基于梯度的光流计算法、基于频率域的方法和基于 心理学家Mehrabian认为，声音 (38％)+言词 (7％) 区域匹配的光流计算方法。 +面部表情 (55％)=情感表达。在人们的日常交流中， 差分图像法。是将视频序列中相邻的两帧图像作差分 通过面部表情来传递的信息高达 55％，可见在人与人之间 运算，不为 “0”的点代表变化区域，为 …0’的点代表不 的交流中表情信息的重要性。 变区域。由于图像序列中处于极大状态时表情信息最为丰 面部表情识别 富，因此在进行表情分析时，通常将被测帧与标准帧进行 面部表情识别系统一般由人脸图像获取、图像预处理、 差分运算，来检测该表情所对应的关键帧。 特征提取、特征分类、后处理五个部分组成。如图l所示。 面部表情的分类 表情特征的提取 表情分类方法通常包含以下几种： 人脸表情提取按图像性质的不同来划分，可分为静态 (1)基于几何特征的方法。通过人脸面部拓扑结构 图像特征提取、序列图像特征提取。 几何关系的先验知识，利用基于结构的方法将人脸用几何 静态图像特征提取 特征矢量表示 。 从静态 图像中提取的是表情的形变特征，提取的对象 (2)特征脸方法。将 K-L变换用于人脸图像的最优 是表情模型。形变特征提取的常用方法有基于模型的方法， 表示，以训练样本集的总体散布矩阵，经K—L变换后得 Gabor小波法和主成分分析法PCA等。 到相应的一组特征矢量。 基于模型的方法。它包括点分布模型PDM和活动外 (3)基于模板的方法。首先定义一个能量函数，设 观模型AAM等。点分布模型PDM是一种参数化的形状 计一个参数可调的器官模板，然后通过调整模型参数使得 描述模型。其原理是采用PCA方法构建出描述对象形状 能量函数最小化。 的各个控制点的运动模型。通过约束控制点的基准位置与 研究中的难点 移动模式，保证模型的整体形变一直保持在可接受的范围 人类识别人脸信息比较容易，但用计算机来分析识别 之内。活动外观模型AAM建立了一种针对 目标对象变化 人的面部表情是一个相对困难且复杂的问题 。关键点在于 程度的参数化描述，也属于基于模型的方法之 。 构建一个情绪模型，并把它们同人的面部特征及表情变化 Gabor小波法。Gabor小波滤波器的方 向、中心频率