人脸表情识别中的跟踪与识别方法研究

论文摘要

情感识别是当前人工智能和模式识别研究中的一个热点,它结合人工智能、计算机图形学、模式识别、心理学等研究领域,主要研究人机交互中的情感特点,目标是设计出具有情感反馈的人机交互环境,并将最终实现人与计算机的情感交互。在情感识别中,人脸表情识别即是对静态或动态图片中的脸部表情做出分类判断。其中,面部特征跟踪是对相邻两帧图片中的表情特征进行匹配,利用上一帧的图片信息和特征位置坐标计算出下一帧的特征位置坐标。可见,跟踪结果的好坏将直接影响下一步识别的结果。而识别方法的好坏直接决定了某种表情能否被正确地识别出来,是整个系统的关键所在。本文分别对人脸表情识别中的面部特征跟踪和识别方法进行了研究:首先,针对传统光流,提出了一种基于预校正的光流面部特征跟踪方法。该跟踪方法以Lucas-Kanade-Tomasi（KLT）光流为基础,结合瞳孔检测、特征约束、误差累计,对每次跟踪结果进行校正。实验结果表明,该方法比传统光流法有更好的跟踪性能。其次,把选择性集成的思想应用到情感识别中,使用双误选择策略计算两两分类器之间的差异性,然后挑选出大于平均差异性的分类器作为集成分类器来进行识别。实验结果表明,该识别方法比传统的识别方法以及bagging集成方法的效果都好。最后,本文融合预处理和情感响应模块,设计完成了实时人脸表情识别系统。该系统能从摄像头采集到实时视频序列,对其提取表情特征,通过特征跟踪和识别方法对表情作为实时判断并给出响应。经验证,实时人脸表情识别系统能较准确地识别不同光照条件下的人脸表情。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 论文选题背景
• 1.2 人脸表情识别研究现状
• 1.3 面部跟踪研究现状
• 1.4 论文主要工作
• 1.5 论文组织结构
• 第二章 面部跟踪与表情识别技术基础
• 2.1 Optical Flow 跟踪
• 2.1.1 金字塔图像
• 2.1.2 最优KLT 光流向量
• 2.1.3 迭代KLT 算法
• 2.2 支持向量机
• 2.2.1 线性可分
• 2.2.2 线性不可分
• 2.3 小结
• 第三章 基于预校正的光流面部特征跟踪
• 3.1 引言
• 3.2 预校正
• 3.2.1 瞳孔检测
• 3.2.2 特征约束
• 3.2.3 误差累积
• 3.3 基于预校正的光流面部特征跟踪算法
• 3.4 实验测试
• 3.4.1 面部特征选取
• 3.4.2 测试一
• 3.4.3 测试二
• 3.5 小结
• 第四章 基于选择集成的情感识别
• 4.1 引言
• 4.2 集成学习
• 4.2.1 Bagging
• 4.2.2 Boosting
• 4.3 差异性度量
• 4.4 基于差异性的选择集成算法
• 4.5 实验测试
• 4.6 小结
• 第五章 情感识别系统的设计与实现
• 5.1 系统流程
• 5.2 系统各模块的设计与实现
• 5.2.1 预处理
• 5.2.2 表情特征提取
• 5.2.3 情感分类
• 5.2.4 情感响应
• 5.3 实验测试
• 5.3.1 模型测试
• 5.3.2 系统测试
• 5.4 小结
• 第六章 总结及未来的工作
• 6.1 总结
• 6.2 未来的工作
• 致谢
• 攻硕期间从事的科研工作及取得的研究成果
• 参考文献