论文部分内容阅读
近20多年来,通过计算机对人脸表情进行自动识别成为计算机视觉、图像处理、模式识别等领域的一个热点研究课题,在视频会议、影视制作、智能人机接口等方面有着非常广泛的应用前景。本文在前人有关表情识别方法研究的基础上,提出了基于离散小波变换和标准正交非负矩阵分解(DWT—ONMF)的纹理特征提取方法,提出了基于主动表观模型(AAM)的几何形变特征提取方法,并将提取的两种表情特征利用典型相关分析(CCA)进行特征融合,将融合后得到的混合特征作为离散隐马尔可夫模型(HMM)的观察值向量,进行表情的分类识别。主要工作体现在以下几个方面:(1)针对目前非负矩阵分解方法在表情特征提取方面存在的分解时间长和信息冗余的问题,提出了两维离散小波变换和标准正交非负矩阵分解相结合的特征提取方法。该方法首先对人脸表情图像进行两维离散小波变换,提取保存有大部分原图像信息的低频信息作为研究对象,然后针对低频信息进行标准正交非负矩阵分解,得到用于图像分类的标准正交特征子空间,通过将图像序列向该子空间投影进行纹理特征提取。(2)提出了纹理特征和几何形变特征的混合特征提取方法。采用离散小波变换和标准正交非负矩阵分解的方法提取表情图像的纹理信息;采用主动表观模型(AAM)定位图像序列中各幅人脸图像的68个特征点,选取其中的眉毛,眼睛,鼻子和嘴巴区域的16个关键点,然后计算图像序列中表情帧和中性帧的表情关键点的坐标差提取几何形变特征。(3)提出了基于混合特征融合和离散HMM分类识别的表情识别方法。针对提取的纹理特征和几何形变特征之间可能存在的信息冗余,采用典型相关分析(CCA)对这两种特征进行特征融合,将融合后的特征作为离散HMM的观察值向量,用来训练针对六种表情建立的离散HMM模型。该特征融合方法将两组特征向量之间的相关性特征作为有效判别信息,既达到了信息融合的目的,又消除了信息冗余;采用离散HMM作为分类器,达到了较好的识别效果。(4)采用面向对象的设计思想,设计并开发了基于混合特征融合和离散HMM识别的人脸表情识别系统。该系统主要包括:离散小波变换,标准正交非负矩阵分解,AAM相关操作,典型相关分析和离散HMM分类识别模块。从实验的角度验证了本文表情识别算法的有效性。