1、隨著情感識(shí)別在自駕游、案件偵破和游戲產(chǎn)業(yè)等領(lǐng)域中應(yīng)用前景和市場(chǎng)價(jià)值的凸顯,面部表情作為情感識(shí)別中的關(guān)鍵,已成為擬人化新型人機(jī)交互模式研究中的關(guān)鍵課題之一。本文針對(duì)不同類(lèi)型的表情圖片輸入集:單張表情圖片和表情圖片序列,分別以靜態(tài)和動(dòng)態(tài)兩種不同的方式完成表情識(shí)別。
　　針對(duì)單張表情圖片,本文根據(jù)面部特征點(diǎn)的形狀和面部特定區(qū)域的紋理信息來(lái)對(duì)待測(cè)表情進(jìn)行分類(lèi)。首先,通過(guò)分析主動(dòng)外觀模型中主要參數(shù)的物理意義,發(fā)現(xiàn)表情圖片適應(yīng)過(guò)程中的形狀以及

2、紋理參數(shù)可以很好的體現(xiàn)各類(lèi)表情的個(gè)性化信息,利用機(jī)器學(xué)習(xí)分類(lèi)算法實(shí)現(xiàn)以這兩參數(shù)作為特征的表情分類(lèi)。然后,通過(guò)權(quán)衡主動(dòng)外觀模型訓(xùn)練過(guò)程中的信息保留量與識(shí)別率之間的關(guān)系,理解到信息保留量增加的同時(shí)還會(huì)在表情分類(lèi)過(guò)程中引入噪聲信息,需要調(diào)整特征向量的維數(shù),即以較低的特征維度獲得較高的表情識(shí)別率。
　　針對(duì)表情圖片序列,本文統(tǒng)計(jì)分析了表情和特征器官變化的對(duì)應(yīng)關(guān)系,在此基礎(chǔ)上提取表情特征,而后通過(guò)特征選擇方法進(jìn)行特征篩選,最后依靠特征空間變

3、換完成表情分類(lèi)。首先在統(tǒng)計(jì)分析基礎(chǔ)上,提取體現(xiàn)各類(lèi)表情差異性的共性特征,同時(shí)加入優(yōu)化特征使得差異性更加明顯;然后使用支持向量機(jī)(Support Vector Machine)作屬性評(píng)估以進(jìn)一步精簡(jiǎn)各類(lèi)表情的共性信息;最終依靠最小二乘方法將特征空間投影到基向量空間實(shí)現(xiàn)表情識(shí)別。
　　在以上兩種類(lèi)型的表情識(shí)別方法中,本文均提取了更適合于人臉表情識(shí)別的特征,并且在不損失識(shí)別率的條件下,有效地降低了特征維數(shù);同時(shí),本文應(yīng)用最小二乘方法將特