1、隨著計算機(jī)科學(xué)技術(shù)的不斷發(fā)展，人機(jī)交互技術(shù)日益成為人工智能領(lǐng)域研究的熱點，人與計算機(jī)之間交流情感的問題開始受到廣泛關(guān)注。如果計算機(jī)和機(jī)器人能夠像人類那樣具有理解和表達(dá)情感的能力，根據(jù)人所處的環(huán)境、人的心情、愛好和習(xí)慣等信息主動進(jìn)行判斷來幫助人完成各項任務(wù)，那將從根本上改變?nèi)伺c計算機(jī)之間的關(guān)系，使計算機(jī)能夠更好地為人類服務(wù)。因此，對表情識別技術(shù)進(jìn)行深入研究，讓計算機(jī)更好地理解和表達(dá)情感，成為社會發(fā)展的需要。這不但可以促進(jìn)多門相關(guān)學(xué)科的發(fā)展

2、，而且為其在安全監(jiān)控、視頻交流、醫(yī)療領(lǐng)域、游戲娛樂等領(lǐng)域的應(yīng)用提供理論支持。
　　 雖然經(jīng)過多年的發(fā)展，人臉表情識別技術(shù)已經(jīng)取得了很大的進(jìn)步。但是，總體而言仍屬于探索性質(zhì)的研究，距離模仿人類進(jìn)行表情識別還有一定差距。特別是在計算機(jī)人臉表情自動識別系統(tǒng)中的表情圖像預(yù)處理問題、表情特征提取的本征性問題、表情識別的準(zhǔn)確率和實時性問題、以及針對復(fù)雜表情的識別問題上等，還存在著許多的理論問題和技術(shù)問題需要解決。因此，本文主要基于靜態(tài)圖像針

3、對人臉表情特征提取問題進(jìn)行了研究，提出了相關(guān)人臉檢測與預(yù)處理、人眼自動定位和表情識別的方法。如通過對人臉檢測和人臉表情圖像預(yù)處理方法進(jìn)行分析，實現(xiàn)了一種基于膚色檢測和AdaBoost的人臉檢測算法，設(shè)計了表情圖像歸一化的策略；研究了人眼精確定位方法，提出了一種基于區(qū)域投影的人眼定位方法和一種自適應(yīng)比率局部二值模式的描述方法，實現(xiàn)了眼睛中心的定位；對于人臉表情識別問題，提出了一種基于特征塊和局部二值模式的表情識別方法，建立了一種特征分析模

4、型，利用D-S證據(jù)理論對特征矢量的各個分量進(jìn)行數(shù)據(jù)融合，并對融合的結(jié)果進(jìn)行分析和決策。
　　 論文的具體研究工作與成果如下：
　　 (1)針對人臉檢測和表情圖像預(yù)處理問題，研究了基于膚色檢測和AdaBoost算法相結(jié)合的人臉檢測方法。首先采用Haar-Like特征訓(xùn)練分類器，然后對于彩色圖像利用膚色特征進(jìn)行粗檢測，獲得人臉候選區(qū)域，最后利用AdaBoost方法進(jìn)行精確檢測。分析了人臉表情圖像進(jìn)行幾何標(biāo)準(zhǔn)化和灰度標(biāo)準(zhǔn)化的方

5、法，從原始圖像中獲得適合于進(jìn)行表情分析的區(qū)域，為后續(xù)將要進(jìn)行的表情特征提取和識別做好準(zhǔn)備。
　　 (2)對當(dāng)前的人眼定位方法進(jìn)行了分析，針對傳統(tǒng)灰度投影方法抗干擾能力較差的弱點，提出了一種基于區(qū)域投影的人眼精確定位方法。該方法考慮到投影過程中的二維特性，在水平方向和垂直方向?qū)⒀劬D像分成不相重疊的區(qū)域；分別將各區(qū)域內(nèi)的灰度值投影獲得瞳孔的候選區(qū)域，將該區(qū)域進(jìn)行擴(kuò)展獲得瞳孔窗口，并利用灰度特性通過邊界跟蹤的方法實現(xiàn)了對瞳孔中心的精

6、確定位；給出了人眼定位精確度判定準(zhǔn)則，并采用Caltech faces數(shù)據(jù)庫和JAFFE數(shù)據(jù)庫進(jìn)行測試；實驗驗證了該方法的有效性，與傳統(tǒng)的投影方法比較，該方法具有較強(qiáng)的魯棒性，人眼定位精度更高。
　　 (3)針對眼睛區(qū)域灰度特征的分布特點，在分析傳統(tǒng)的局部二值模式原理的基礎(chǔ)上，提出了一種自適應(yīng)比率局部二值模式(Adaptive Ratio Local Binary Pattern，ARLBP)的描述方法。詳細(xì)分析了獲得自適應(yīng)比率

7、的原理及其實現(xiàn)方法，通過統(tǒng)計圖像中直方圖的方式，得到局部二值模式分析中某中心點與其鄰域點像素值的比率；利用人眼粗定位和精定位相結(jié)合的方式實現(xiàn)了眼睛中心的定位；基于兩個標(biāo)準(zhǔn)數(shù)據(jù)庫進(jìn)行實驗，實驗結(jié)果表明該方法簡單有效，能夠更好地提取人眼、眉毛等區(qū)域的梯度信息，對圖像中環(huán)境光照的變化不敏感，具有一定的自適應(yīng)能力。
　　 (4)對于人臉表情識別問題，提出了一種基于特征塊和局部二值模式的表情識別方法。這種方法采用了一種線性空間分析的框架模

8、式，首先將人臉區(qū)域進(jìn)行分塊，根據(jù)人臉各部位對表情識別貢獻(xiàn)的不同，最終提取眼睛區(qū)域和嘴巴區(qū)域用于表情分析；對獲得的眼睛區(qū)域和嘴巴區(qū)域分別提取LBP特征，將各區(qū)域內(nèi)LBP直方圖依次連接組合成單一的特性直方圖；最后基于PCA分析的方法在線性空間降低特征維數(shù)提高識別性能。算法的有效性通過在JAFFE和TFEID表情數(shù)據(jù)庫上得到了驗證，取得了良好的效果。
　　 (5)針對人臉表情識別中的特征選擇和多特征融合問題，提出了一種基于證據(jù)理論和局

9、部紋理特征描述的方法，建立了一種特征分析模型。該方法首先將表情圖像分割成多個具有顯著識別特征的區(qū)域，提取各區(qū)域中的局部二值模式(LBP)作為其紋理特征；然后將各區(qū)域內(nèi)LBP直方圖依次連接組合成單一的特性直方圖，基于卡方距離相似性度量方法進(jìn)行置信度分配，建立一種證據(jù)合成準(zhǔn)則；最后利用D-S證據(jù)理論對特征矢量的各個分量進(jìn)行數(shù)據(jù)融合，并對融合后結(jié)果進(jìn)行決策和判斷；實驗表明該方法可以提高表情識別的準(zhǔn)確率，改善了表情識別系統(tǒng)的性能。