表情识别.ppt

dfadasfsd jlfsladjfl;klsjflsdkfs;d fdafdsaf Straw Ren 研究现状 Darwin，1872年 《人与动物的表情》面部表情在人类与动物中存在的普遍性和连续性。 1971年，Ekman和Friesen提出了6种基本情感 1978年，Suwa等人提出了在图像序列中进行面部表情自动分析。 从20世纪90年代开始，由Mase和Pentland提出的光流法进行面部表情识别之后 ，自动面部表情识别进入了新的时期。 Six ‘Universal’ Facial Expressions of Emotions FACS定义的面部AU编码及其含义 面部动作单元识别方法 纯手工方法：效率低。 自动识别方法：特征抽取需要一些受控制的成像环境，限制了实际应用。 本文方法：克服了两种方法的缺点。 面部表情识别方法 面部表情识别方法： 基于模板的方法 基于神经网络的方法 基于规则的方法 本文从人类大脑结构角度，将人类理解面部表情的一些生理机能也加入到实验中，希望能够从心理角度和生理角度来处理计算机的面部识别问题。 使用交互式遗传算法IGA进行面部动作单元识别 Experiment conditions Subjects: 3 male ＆ 2 female, 22-29 Database: final frames in 481 image sequences, from Cohn_Kanade AU-Coded Facial Expression Database with AU codes Case base: 465 images / 481 images Test: 16 images/ 10 images GA : 比较实验—特征脸算法实验 比较实验总结 Taylor等人提出的情感识别结构图 BASIC BRAIN EMOTION CIRCUIT Valence in amygdala OBFC Attention in parietal PFC Interaction in ACG 标准函数实验 真实函数图与实验结果图：红色曲线大致与绿色曲线相符。说明该网络适用于非线性数据的训练。 表情识别实验 这里使用Cohn_Kanade的面部图像数据库作为训练样本和测试样本。 表情识别实验结果与分析 下图为训练图片在当前权值状态下的识别率 比较实验 实验结果 由训练过程识别率曲线可以看到，各个网络的训练集在训练后的识别率都比较 高，因此可以认为训练已经达到预期的目的。这时获得的测试集的识别率中，高兴的 识别率最高，愤怒、恐惧和悲伤的识别率也较高，而惊讶和厌恶的识别率较低。通过 分析，我们发现，惊讶和恐惧的表情非常接近[59]，大都有眼睛张开和嘴巴张开的情 况，因此会有许多重叠的AU使得网络训练的结果不太满意，但是恐惧所对应的样本集 中训练样本的个数比惊讶对应的训练集个数大许多，所以训练的机会就比较多，更能 够在训练过程中得到分类的隐含规律。厌恶和悲伤在表情上也有很相似[59]，但是悲伤 的训练集个数又比厌恶多，这样限制了样本的多样性，所以训练集样本个数越多，识 别率也相应的越高。愤怒和悲伤有时也会容易混淆[59]，两者中悲伤的训练样本个数更 多，识别率也稍微高一些。高兴则很容易和跟其他几种表情区分开，所以获得识别率 最高的。 国际上对人脸面部表情识别的研究现在逐渐成为科研热点。国内外很多机构都在进行这方面的研究,尤其美国、日本。进入90 年代,对人脸表情识别的研究变得非常活跃,吸引了大量的研究人员和基金支持,EI 可检索到的相关文献就多达数千篇。美国、日本、英国、德国、荷兰、法国等经济发达国家和发展中国家如印度、新加坡都有专门的研究组进行这方面的研究。其中MIT、CMU、Maryland 大学、Standford 大学、日本城蹊大学、东京大学、ATR 研究所的贡献尤为突出 。 国内国内的清华大学、哈尔滨工业大学、中科院、中国科技大学、南京理工大学、北方交通大学等都有人员从事人脸表情识别的研究 最早涉及人脸表情研究的并不是计算机方面的专家，而是众所周知的人类起源 学专家Darwin，他在1872年提出面部表情在人类与动物中存在的普遍性和连续性[5]。 第一章绪论5 一个世纪以后的1971年，Ekman和Friesen提出了6种基本情感，这6种情感合起来的任 意组合都是一个唯一的面部表情[6]。而这个时期的人脸表情研究也只是心理学的研究 课题。直到1978年，Suwa等人提出了在图像序列中进行面部表情自动分析[7]。从20世 纪90年代开始，由Mase和Pentland提出的光流法进行面部表情识别之后[8] ，自动面部 表情识别进入了新的时期。 最早涉及人脸表情研究的并