基于全局图像和神经网络方法的人脸表情识别.pdfVIP

基于全局图像与神经网络方法的人脸表情识别 周兆捷 吴乐南 东南大学 无线电工程系, 江苏 南京 210096 E-mail: zhouzhaojie@ 摘 要： 本文提出了对人脸表情的全局图像采用基于自组织稀疏 RAM 的 n-tuple 神经网络 模型进行识别，结合了人脸表情图像的 Gabor滤波特征，通过实验表明能够取得了较好的分 类效果。 关键词：人脸表情识别；自组织映射；N-tuple分类器；稀疏分布存储器； 1. 引 言 人脸表情是一个人的情感状态、内心活动、意图、个性的外在表现，传达的是一种非口 头语言的信息，可以帮助交谈双方理解隐藏在话语下面的潜在意图，在人类个体交往过程中 发挥了重要的作用。早期关于人脸表情的研究主要是从心理学和医学角度入手的，近来随着 人工智能研究的不断反展，一种新的研究方向——人工心理理论的研究得到了充分的重视， 它是利用信息科学的方法，对人的心理活动实现智能机器的模拟实现，因此人脸表情识别也 是人工心理理论研究的重要组成部分，因为对人脸表情的研究可以进一步了解人类对应的心 理状态。如果能够让机器很好地理解人脸表情的变化及其对应的心理活动，将极大地改变人 -机之间的关系，使得机器能够更好地为人类服务。人脸表情识别就是研究如何让机器能够 辨识出人脸面部表情变化的一项工作。 从模式类别角度而言，人脸所表征的表情类别不像人脸所对应的个体身份那样清晰明 确，因为人脸表情的变化是通过脸部肌肉牵引产生的连续变化，所以表情类别的边界是不明 晰的，如何先从语义上准确地将表情分类是进行人脸表情研究的重要前提。Ekman 和 Friesen 提出了一种人脸表情运动编码系统（FACS ）[1]，根据 44 个能够独立运动的表情活动单元 （AU ）描述脸部动作，并定义了 6 种最基本的表情：高兴、悲伤、惊奇、愤怒、厌恶、恐 惧，说明了具有这 6 种表情的人脸特征与无表情（neural ）的人脸特征相比具有独特的肌肉 运动规律。 人脸表情识别的方法大致可以分为四类：基于几何特征的方法、基于图像的方法、基于 模型的方法以及基于运动提取的识别方法[2]。基于几何特征的方法在研究的早期使用较多， 具有提取的表情特征维数较低、易于处理的优点，但特征点难以准确自动确定的缺点大大地 限制了该方法的发展。基于图像的方法又可分为基于全局图像和基于局部图像两种，基于全 局图像是指对包含一个完整的人脸图像进行特征提取及分类识别的方法，而基于局部图像是 指有选择的对人脸图像的几个局部图像进行特征提取及分类识别的方法，比如眼睛、嘴巴等 区域。基于模型的方法是建立在对众多不同表情的训练人脸图像的建模基础上，然后根据模 型参数进行识别。基于运动提取的方法是指着眼于人脸表情变化时所带动的相对应脸部图像 - 1 - 像素和部件的运动迁移，包括密集光流法、特征点跟踪法、差图法三种。本文着眼于对人脸 表情的全局图像采用基于自组织稀疏 RAM 的n-tuple 神经网络模型[3]进行分类识别。 2. 全局图像的 Gabor 特征提取 一般用于图像特征提取的 Gabor 小波是一种圆高斯包络函数[4]，其式表示如下： r r 2 2 2 r2 σ r    r r −  ( )r k −k r ⋅ ik •r − 2 ψ k , r σ2 exp 2σ2 e e  （1） r