人脸表情识别研究的新进展

人脸表情识别（facial expression recognition,简称FER）作为智能化人机交互技术中的一个重要组成部分,近年来得到了广泛的关注,涌现出许多新方法.本文综述了国内外近4年人脸表情识别（FER）技术的最新发展.首先,介绍了FER系统的组成：人脸检测、表情特征提取和表情分类,并详细叙述了其中表情特征提取和表情分类的方法.然后,对目前广泛应用的人脸表情数据库进行了介绍,并在此基础上对当前一些FER系统的性能进行了比较分析.最后,对FER领域的研究现状和挑战给予了评述,对FER可能的发展方向进行了讨论.     

人机交互中的人脸表情识别研究进展

随着人机交互与情感计算技术的快速发展,人脸表情识别已成为人们研究的热点。为了阐明人机交互中人脸表情识别的研究方向及进展,该文从人脸表情数据库、表情特征提取、表情分类方法、鲁棒的表情识别、精细的表情识别、混合表情识别、非基本表情识别等方面对人脸表情识别的研究现状进行了分析。最后总结了人脸表情识别研究的热点及趋势,同时指出了人脸表情识别研究存在的局限性,并对人脸表情识别的发展进行了展望。     

两种Adaboost方法在人脸检测中的比较研究

Adaboost方法是目前较流行的一种人脸检测方法,本文根据传统Adaboost方法与改进的Adaboost方法分别设计实现了相应的boosting分类器,采用基于bioid的人脸库进行训练.测试阶段对包含单个人脸和不包含人脸的图片进行检测,并对检测结果进行统计,最好检测率可达到86.875%.最后比较分析了两种方法的性能,解释了影响分类器效果的原因.     

人脸表情运动跟踪与表情识别算法

对于人脸视频中的每一帧,提出一种静态人脸表情识别算法,人脸表情运动参数被提取出来后,根据表情生理知识来分类表情;为了应对知识的不足,提出一种静态表情识别和动态表情识别相结合的算法,以基于多类表情马尔可夫链和粒子滤波的统计框架结合生理知识来同时提取人脸表情运动和识别表情.实验证明了算法的有效性.     

人脸表情识别研究进展

人脸表情识别(Facial Expression Recognition,FER)是计算机视觉、机器学习、人工智能等领域的重要研究方向,目前已经成为国内外学者的研究热点。介绍了FER系统流程,总结了表情特征提取和表情分类的常用方法以及近年来国内外学者对这些方法的改进,并对这些方法的优缺点进行比较。最后,对目前FER研究的难点问题进行了分析,并对FER未来的发展方向进行展望。     

人脸表情识别概述

人脸表情识别是智能化人机交互技术中的一个重要组成部分,现在是越来越受到重视。本文阐述了人脸表情识别的课题背景及其起源、发展与研究现状,并结合国内外相关领域的发展,从特征提取方面对目前表情识别的主流方法做了详细介绍,并提出了人脸表情识别中需要解决的问题。     

组合方法在人脸表情识别中的应用研究

研究人脸表情识别问题,应有效挺取脸表情特征,消除与识别无关的信息.传统的Gabor滤波器在人脸表情特征提取过程中,针对存在提取特征时间较长和特征数据存在冗余性的缺点,提出了一种Gabor和PCA相结合的特征提取,并通过支持向量机进行表情识别方法.方法首先对人脸表情进行预处理得到纯表情图像,采用Gabor提取表情特征,用PCA进行数据冗余处理和用支持向量机识别人脸表情并进行仿真.仿真结果表明,相对于传统的Gabor方法,不仅提高了人脸表情识别的正确率,而且加快了识别的速度.改进办法非常适合于人脸表情图像的分析.     

浅谈人脸表情智能识别

每个人都有一副独特而不混淆的脸相,即使双胞胎也不例外,因此人们相见时,给人印象最深的就是脸。人脸表达情感的肌肉非常发达,能表现各种表情,丰富的表情成了人脸的重要特征,在人际交往过程中了解内心的变化具有极为重要的意义。因此人脸表情智能识别在近几年也逐渐成为了人工智能和机器智慧学习中一个重要的研究点,在未来生活中有着广泛的应用前景以及极高的市场价值。现阶段尽管人脸表情智能识别取得了一定收获,但是仍存在显著的不足与缺陷。对人脸表情智能识别在现阶段发展情况进行了分析并对其未来发展作了一定展望。     

基于CBP-TOP特征的人脸表情识别*

针对人脸表情时空域特征信息的有效提取,本文提出了一种CBP-TOP（Centralized Binary Patterns From Three Orthogonal Panels）特征和SVM分类器相结合的人脸表情识别新方法。该方法首先将原始图像序列进行图像预处理,包括人脸检测、图像截取和图像尺度归一化,然后用CBP-TOP算子对图像序列进行分块提取特征,最后采用SVM分类器进行表情识别。实验结果表明,该方法能更有效提取图像序列的运动特征和动态纹理信息,提高了表情识别的准确率。和VLBP特征相比, CBP-TOP特征在表情识别中具有更高的识别率和更快的识别速度。     

有限元法在人脸三维建模及表情动画中的应用研究

将机械工程中的有限元方法用于人脸的三维建模,利用人脸上提取的99个特征点和一些辅助点,用光滑的样条曲线模拟人脸表情肌分布位置连结成线,由线生成三角面片和四角面片组合的有限元建立的人脸几何模型.给该模型定义合适的单元类型、实常数等参数,定义能与人脸皮肤等效的材料属性,并在眼睛、嘴等动作敏感位置加一定量载荷求解,模拟人脸表情动作.从求解的应力图中可以看出,该几何模型变形均与人脸表情动作时皮肤弹性变形一致.该方法可以快速、准确的进行三维人脸参数化建模,可方便提取特征点进行人脸识别.这种建模方法为人脸三维建模提供了一种新的思路和可靠的理论依据,同时降低了后期人脸识别的难度.     

关于图像识别边缘检测算法仿真研究

针对图像的边缘检测算法抗干扰性能差的缺点,为对图像特征进行准确识别,抑制噪声干扰,提出了一种多刻度数学形态学边缘检测算法.算法首先在同一尺度下用多个结构元素分别对图像进行边缘检测,经过合成得到尺度下的边缘图像.可对不同尺度下的边缘图像加权求和,再经过二值化、去除噪声等处理,最终得到多尺度多结构元素形态学检测的边缘图像.最后在Matlab仿真环境下进行仿真,分别以原始图像和噪声干扰图像为对象进行仿真,仿真结果表明:方法具有较好的抗干扰性和定位准确性,得到的边缘更为完整、细节更为明显的效果.     

一种改进的HMM训练算法及其在面部表情识别中的应用

本文讨论了最大模型距离准则,对原有最大模型距离准则函数做了合理的修正,并把它应用于隐马尔可夫模型的训练,重新推导了HMM的迭代公式,使得训练后的HMM具有更好的鉴别能力。把这种改进的HMM训练算法应用于面部表情识别,利用本文给出的改进光流算法提取面部表情特征向量序列,构建了基于改进的HMM算法和BP神经网络的面部表情混合分类器,通过实验表明识别率得到有效提高。     

表情识别的图像预处理和特征提取方法研究

表情识别是基于视觉信息将脸部的运动或脸部特征的形变进行分类,包括三部分:脸部定位、脸部特征抽取和表情分类.本文首先使用肤色模型进行脸部定位;对提取出来的人脸进行预处理,然后通过Canny鼻子和人脸形状模型相结合的Canny-AAM方法进行特征点定位;最后利用曲线拟合的方法进行特征提取.基于上述算法建立表情识别平台,经过大样本对实时表情识别验证,结果表明对于不同光照下的实时表情识别具有鲁棒性.     

一种特征融合算法的表情识别

对人脸表情图像进行分割得到眉区、眼区和嘴部区域,再对分割出来的表情区域利用高维局部自相关(HLAC)计算特征并得到加权的特征向量,其中加权系数根据心理学中的FACS表情测量理论选取,最后利用近邻中心距离分类器进行表情识别.实验基于CMU-PITTSBURGH表情图像库,在没有增大计算量的前提下相比PCA方法,特征融合(HLAC+WPCA)的方法显著地提高了表情的识别率.     

蚁群算法在图像边缘检测上的应用研究

将蚁群算法应用于图像边缘检测,提出了一种利用灰度梯度引导的蚁群搜索图像边缘的算法,其核心思想是利用图像的灰度梯度作为启发信息,并加入运动方向改变量,引导蚁群搜索边缘,迭代搜索可能的局部边缘曲线。通过对蚂蚁行走过路径上的信息素分布进行更新,使得分布在真实边缘上的信息素逐渐增大,从而使搜索逐渐向真实的边缘收敛,最后根据信息素的遗留结果提取的边缘曲线。此算法可有效抑制噪声干扰,最大限度的保留细节信息,以达到有效提取图像边缘的目的。同时在灰度提取及蚁群的选择上较已有相关算法有较大改进,并分析效果指出不足和进行相关的改进的方向。     

边缘环境中目标检测算法的应用研究

为了满足对安防图像数据安全准确高效的处理需求,在低延迟、高可靠性的边缘计算环境中设计了一种实时性目标检测框架,按层次分为终端网络层、边缘服务器层与云层。在终端网络层采用BING（Binarized Normed Gradients）算法区分图像的目标区域与背景区域,对不同区域采取选择性压缩以减少数据传输量。在边缘服务器层,针对安防图像中小目标易漏检的问题提出了基于SSD（Single Shot Multibox Detector）的改进算法2FSSD,将SSD主干网络中具有高语义信息的深层特征与低层特征进行融合,形成新的特征提取层进行目标检测。实验表明,2FSSD算法在VOC数据集中检测精度可达79.5%,检测速度为27.3 frame/s。因此该研究方法可以在保证检测准确度的同时满足安防图像处理的实时性要求。     

人脸表情识别的研究进展

人脸表情识别是人机交互、机器学习、智能控制和图像处理等领域涉及的重要研究方向,目前已成为国内外研究的热点。从人脸表情识别的特征提取和特征分类两方面出发,总结了国内外近几年人脸表情识别的进展状况。在特征提取阶段,根据所处理的图像的属性,分别从静态图像和动态图像两个方面总结人脸表情的特征提取算法,前者包括整体法和局部法,后者分为模型法、光流法和几何法。在分类器的设计上,以贝叶斯网络和距离度量两条理论主线,贯穿主要的方法。最后结合国内外最新的研究成果和应用领域,展望了人脸表情识别的发展。     

人脸边缘自适应搜索算法及仿真研究

人脸轮廓线提取是人脸识别中极为重要的内容,一种可靠、精确的人脸边缘提取算法对于身份鉴定技术等方面具有重要的应用价值。该文基于传统的边缘提取算法提出了一种自适应搜索轮廓线算法,首先基于人脸检测结果确定内外轮廓及搜索路径,然后对于每一条搜索路径提取出真正的轮廓点,最后利用人脸轮廓的平滑性通过曲线拟合完成轮廓线提取。该文以彩色人脸图像库数据为例,快速、准确地得到人脸轮廓线。仿真试验结果表明,该算法能在保持边缘检测精度的情况下,克服了噪声对轮廓特征提取的影响,并且对于姿势变化有一定的鲁棒性,具有一定的应用价值。