以样板图样为基础之人脸表情辨识.pdf

以樣板圖樣為基礎之人臉表情辨識 賴智錦 林致圻吳信融 林伯豪 國立高雄大學電機工程學系 cclai@.tw, {ssn4010302, wux4030, borhaur}@ 摘要 方式是基於幾何特徵擷取[1-6] ，以臉部動作編 碼系統 (Facial Action Coding System, FACS)[7] 自動化的人臉表情分析是一項極具挑戰 為導向，該編碼系統可以用來描述臉部特定區 性的研究問題，而且該議題對人機互動、機器 域個別移動的狀況；例如：Kotsia and Pitas[6] 人控制、駕駛者的狀態監控、與資料驅動動畫 提出人臉表情的變化可利用網格狀模型進行 等諸多應用有著相當重要的影響。自動化人臉 參數化設定，網格狀模型主要由許多節點所組 表情辨識主要是擷取人臉表情影像中較具有 成，這些節點的選定即是以FACS中的動作單 辨識能力的特徵，再透過分類器進行分類以判 元(Action Units)來決定。由於需先將臉部特徵 定該影像中的表情為何。本論文提出一個植基 手動標示節點作為參考基準，因此這些節點的 於臉部紋理與邊緣資訊的人臉 表情辨識方 位置將決定辨識結果的優劣。第二種是基於外 法，該法是找出臉部適合表示表情的特徵 ，再 觀特徵擷取 [8-12] ，主要是針對區域紋理進行 計算出影像中各像素點的特徵值，最後利用支 處理；例如：Bashyal and Venayagamoorthy [12] 持向量機進行這些特徵的分類，藉此判定該影 利用 Gabor 小波轉換擷取肌肉紋理，手動選擇 像所呈現的表情 。實驗結果顯示，本論文的方 重要的特徵部位，最後以學習向量量化 法可以獲得不錯的辨識效果。 (Learning Vector Quantization, LVQ)進行表情 關鍵詞 ：人臉表情辨識；臉部特徵資訊 ；支持 分類，雖然此法準確度高，但計算過程複雜， 向量機。 需耗費較多時間。 基於外觀特徵的方法主要依據表情的紋 1.前言 理及像素值上的差異來進行分析。Zhang 等人 人臉的特徵是十分複雜且變化多端的，人 [13證明了] Gabor 小波表示法在表情辨識上比 與人之間的交流，表情對於訊息的傳達是非常 使用幾何特徵的方法效果更佳。Donato 等人[14] 重要的一環。隨著科技不斷進步，人們需要以 在其研究中，則探討了主成分分析 (Principal 臉部的表情與機器進行溝通以達到一些目 Component Analysis, PCA) 、獨立成分分析 的，例如：影像照護系統，就是以臉部表情變 (Independent Component Analysis, ICA) 、區域特 化判斷病患的生理是否發生異常狀況？或是 徵分析 (Local Feature Analysis, LFA) 、線性判別 機器人視覺系統，則是透過臉部表情判斷使用 分析(Linear Discriminant Analysis, LDA) 、與 者的生理、心理等狀況，再進行相對應的處理 Gabor 小波表示法對於臉部表情辨識的優劣， 程序。 結果顯示 Gabor 小波表示法與 ICA的效能最 佳。為了解決 Gabor 小波表示法在計算上需要 現今許多科技產品強調具備人工智慧，增 花費許多時間與儲存空間的問題，區域二元圖 強了機器與人類之間的互動；若能使電腦自動 樣(Local Binary Patterns, LBP)逐漸被使用在影 辨別人類的情緒反應，