人面部表情识别方法综述

人面部表情识别方法综述 人面部表情识别方法综述 科技论坛?61? 人面部表情识别方法综述 杜宁 (聊城大学东昌学院.山东聊城252000) 摘要:人脸表情识别是模式识别中一个非常重要却十分复杂的课题.首先对计算机人脸表情识别技术的研究背景及发展历程作了 简单回顾.然后对近期人脸表情识别的方法进行了分类综述.通过对各种识别方法的分析与比较,提出了人脸表情识别技术实用化所需 要考虑的几个方面,进而展望了人脸表情识别技术的发展方向. 关键词:主元分析;HMM;SVMAU 人脸表情识别就是计算机对人脸的表隋信息进行特征提取并归类 的过程,它使计算机能获知人的表情信息,进而推断人的心理状态.从 而实现^胡之间的高级智能交互.表隋识别技术是情感计算机研究的 内容之一,是生理学,心理学,图像处理,模式识别和机器视觉等领域的 — 个极富挑战性的交叉课题.它的应用领域包括:安全领域,智能机器 ^研制,电脑游戏,医疗领域等.目前,人们研究表情识别的主要目的在 于建立和谐而友好的人机交互环境.使得计算机能够看人的脸色行事, 从而营造真正和谐的人机环境. 1表情识别研究现状 计算机人脸表U技术是近几十年才逐渐发展起来的,现在逐 渐成为科研.国内外裉多机构都在进行这方面的研究,美国,日本, 荚国,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.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 事人脸表情识男U的研究.suwa【?和Sugie等人于1978年对表情识别做 了一个最初的尝试,他跟踪一段脸部视频动画,得到每帧图片上20个 关键点的运动规律,将此运动规律与预先建立的不同表情的关键点运 动模型相比较,这还只是初步的尝试.直到1981年才有人用仿生学方 法从肌肉角度的观点为面部表情建立模型. 起初Ekman和FrieSen系统地建立了—个有上千幅不同人脸表情 的图像库.目前最为常用的人脸表情数据库是日本女性表情数据库 JAFFE和CMU的Cohn—Kanade人脸表情数据库,前者由日本ART建 立的l0个人的213幅图像组成,每人包含6种基本表情和2—4个中 性表情灰度图像.后者是CMU机器^研究昕和心理系于2000年共同 建立的人脸表情数据库,它包含了200个成年人近2000张不同表情灰 度图像,并且包含了时间信息,每个表情及强度都以序列的形式给出. 我国的吴丹等建立了—个大型人脸表情视频数据库,该数据库从3个 不同的视角 记录 混凝土 养护记录下载土方回填监理旁站记录免费下载集备记录下载集备记录下载集备记录下载 图像数据,包括了70个人的1000段脸部表情视频,它 是目前我国人脸表情研究较全面的基础资源库.2005年10月在我国 召开的首届国际晴感计算及智能交互会议,推动了我国表情识别技术 的深入研究. 2表情识别方法分类 表情识别主要包括两个技术环节首先是人脸的检测与定位,然后 进行表情特征提取和识别,即从输人的图像中检测和定位人脸,然后再 提取出对表懒只别有用的信息并进行分类识别.这里只介绍表情识别 的各种算法. 2Il基于,1侗特征的识别方法 人脸由眼腈,鼻子,嘴巴,下巴等部件构成,正因为这些部件的形 状,大小和相对位置的各种变化才使得人脸表情千差万刷.因此对这些 部件的形状和结构关系变化的几何描述,可以作为人脸表情识别的重 要特征.最早,研究人员利用人脸特征显着点导出一组用于识别的特征 进行^,脸及其表情识别.采用几何特征进行正面人脸表情识别一般通 过提取眼,口,.鼻等重要特征点的位置和跟睛等重要器官的几何形状作 为识别特征.Lanitis~]脸部一系列的特征点组成可变形的模型,通过测 量特征点的相互位置和形状来识别人脸表情,能达到74%的识别率. 基于肺『{寺{正的方法很大程度上减少了输入的数据.但是有限的 特征点来代表人脸图像,一些重要的表情识别和分类信息就会丢失.实 验研究表明几何特征提取的精确性结果不容乐观.现在对于人脸图像 处理技术,基于整体的正面灰度信息的方法越来越引起重视. 2.2基于整体的识别方法 基于整体的识别方法中最有代表性,应用最广泛的就是主分析 c柳.主元分析幌要找到一个正交的维数空间说明数据中变 化的主要方向.它是最小方差准则条件下基于图片的最优描述方法,将 输入空间的维数从 模板 个人简介word模板免费下载关于员工迟到处罚通告模板康奈尔office模板下载康奈尔 笔记本 模板 下载软件方案模板免费下载 中的象素数减少到特征脸的数目.元分析现在 已成功的用于人脸表情识别和人脸识别. 另一种基于整体的识别方法是运用神经网络.神经网络模型由简 单韵,并行处理的互连处理 单元 初级会计实务单元训练题天津单元检测卷六年级下册数学单元教学设计框架单元教学设计的基本步骤主题单元教学设计 构成,每个神经元与其它神经元相连并 从与其相连的神经元接受输人,输入加权后输出送给其它的神经元,各 神经元之间的连接强度通过连接权值来描述. 2.3其他识别方法 它主要是建立精确的物理模型,根据解剖学知识确定关键特征并 通过比较这些特征的变化来识别表情.也就是说把人脸表情识别问题 转化成可变形曲面的弹I生匹配问题.在—个基于模型的系统中,物理模 型的精确度决定了表情分类的准确性.但是在—个确定的人脸物理模 型中很难精确的说明肌肉收缩后引起皮肤运动的方向,从而也就很难 准确的对表情进行分类.很多研究工作都是通过构建物理模型,再使用 神经网络的方法对表情序列进行识别和分类. 小波变换理论比较成熟,用Gabor小波进行面部表情特征提取和 表情识别.美国CMU运用隐马尔可夫模型(HMM~表情的细微 变化.自动区别各种基于FACS表情活动单元(A的细微面部表fi支 持向量机SV是一种两类分类器,其基本思想是将训练样本经非线 性变换映射到另一高维空间中,在变换后的高维空间内寻找一最优的 分界面,在类间空隙最大的情况下将样本无错误或接近无错误分开. 3总结与展望 人脸表U难度较大,主要难在人脸都是塑陛变形体,因此人脸 表隋不能用经典的几何模型来进行识别分类,更适合用弹f生模型来描 述.本文介绍的方法各有长短,当前的发展来看采用上述方法的混合法 是进一步提高识别率的最有效的途径.这也恰恰符合了人脸表情识别 的神经学特性,人脸表情识别是—个整体识别和特征分析的过程.而基 于多种类型特征信息融合的混合方法成为发展的主要方向.也就是说, 无论对于检测定位还是识别,如何将各种信息最大限度,有机的结合来 加以利用,是有效提高人脸表情识别系统效率的手段. 参考文献 『1]A.Lanitiseta1.IEEETransPAMLI9(7),1997'pp:743—756. [2]AndrewJ'CalderA,BunonM,etal,APrincipalComponentAnal— ysisofFacialExpressions[J].VisionResearch,2001,41(9):1179—1208. 『3]叶敬福,詹永照.基于Gabor小波变换的人脸表情特征提取计算机 工程.2005.31(15):172-174. 『41尹星云,王洵,董兰芳-用隐马尔可夫模型设计人睑表情识别系统叨.电 子科技大学,2003,3~@725-728. 【5】张学工.关于统计学习理论与支持向量机叨.自动化,2000,26(1): 342. 【61唐京海,张有为.基于FLD特征提取的SVM人脸表睛识剐方法计 算机工程与应用,200~11):10—12. r71刘松,陈茜.基于信息融合的面部表睛识别叨计算机工程与应用,2006 (12):60--62. [8oannouSV,RaouzAiouAT,eta1.EmotionRecognition ThroughFacialExpressionAnalysisBasedonaNeurofuzzyNetwork[J]. NeuralNetworks,2005,18(4):423--435.