基于改进MMI的HMM训练算法及其在面部表情识别中的应用.pdfVIP

第 卷 第 期 北 京 科 技 大 学 学 报 29 4 Vol .29 No.4 年 月 2007 4 Journal of universit of science and technolo Bei in A r . 2007 y gy j g p $$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ 基于改进MMI 的HMM 训练算法及其在 面部表情识别中的应用 ，） ） ） ） ） 1 2 2 2 2 2 杨国亮 王志良 刘冀伟 王国江 陈锋军 1）江西理工大学机电工程学院，赣州 341000 2 ）北京科技大学信息工程学院，北京 100083 摘 要 提出一种改进的最大互信息（ ）准则函数并把它应用于隐马尔可夫模型（ ）的参数估计，重新推导了 MMI ~MM ~MM 的迭代公式 该准则函数相对于原来准则函数定义更为合理，能有效利用训练样本集中的鉴别信息，使得训练数据得到充分 . 利用，提高了 的性能 把这种改进的 算法应用于面部表情识别，利用改进的光流算法提取面部表情特征向量序 ~MM . ~MM 列，并利用改进 算法和 神经网络构建了面部表情混合分类器 实验结果表明了该方法能有效提高面部表情识别率， ~MM BP . 有效解决~MM 参数估计问题. 关键词 最大互信息准则；隐马尔可夫模型；光流算法；面部表情识别 分类号 TP 391 隐马尔可夫模型（ ，简称 准则函数 hidden Markov model l .l IMMI ［ ］ 1-2 本文考虑的 均指左右结构连续的隐马尔 ）是 等人在 世纪 年代提出 ，目 ~MM ~MM Baum 19 60 前在模式识别与图像处理等领域得到了广泛的应 可夫模型（ ） C~MM . 用 由于 具有很强的动态时间序列建模能 设 表示为 ｛， ， ｝，其中 ｛ ｝ . ~MM ~