基于Boost改进的嵌入式隐马尔可夫模型的实时表情识别

在人机交互过程中，理解人类的情绪是计算机和人进行交流必备的技能之一。最能表达人类情绪的就是面部表情。设计任何现实情景中的人机界面，面部表情识别是必不可少的。在本文中，我们提出了交互式计算环境中的一种新的实时面部表情识别框架。文章对这个领域的研究主要有两大贡献：第一，提出了一种新的网络结构和基于AdaBoost的嵌入式HMM的参数学习算法。第二，将这种优化的嵌入式HMM用于实时面部表情识别。本文中，嵌入式HMM把二维离散余弦变形后的系数作为观测向量，这和以前利用像素深度来构建观测向量的嵌入式HMM方法不同。因为算法同时修正了嵌入式HMM的网络结构和参数，大大提高了分类的精确度。该系统减少了训练和识别系统的复杂程度，提供了更加灵活的框架，且能应用于实时人机交互应用软件中。实验结果显示该方法是一种高效的面部表情识别方法。     

基于ICA与HMM的表情识别

独立分量分析(independent component analysis,ICA)是一种盲源分离的有效方法,为了进一步有效提取表情图像中隐藏的信息和提高表情识别率,可将它应用于人脸表情识别。由于脸部表情为人类情感、认知过程的研究提供了极为重要的测量依据,因此表情特征的提取和特征序列所代表的表情状态是表情识别过程中的重要步骤。为了更好地进行表情和情感的分类,提出了一种ICA结合隐马尔可夫模型(HMM)识别表情的情感分类系统,该系统首先利用ICA算法进行表情特征提取,为了加快特征提取的速度,这里采用了FastICA算法;然后通过7个训练好的HMM进行表情识别。实验结果显示,该系统使人脸表情识别的整体效果有了提高,取得了令人满意的效果,可以用来识别人脸表情。     

使用非负矩阵分解方法识别脸部表情

在论文中两种图像识别的方法即非负矩阵分解方法(NMF)和主成分分析方法(PCA)被适用于认识三种基本脸部表情的数据库.三种表情是:高兴,惊恐和中性表达.采用NMF和PCA方法提取的脸部表情特征被分别独立地送到最大相关分类比较不同的结果.基于CMU脸数据库的实验方面证明,我们得到的结论是NMF有了比较好的表现.     

基于人工情感的脸部表情识别的研究

脸部特征的提取和各种特征所代表的表情状态是识别是脸部表情识别过程中的重要步骤。该文研究了脸部表情识别方面的一些进展,概括论述了面部表情识别的主要研究内容,以及图像预处理,特征提取,图像识别和表情识别的主要算法和方法。研究表明,在正面人脸和无背景时识别效果较好;在复杂背景下,或人脸被部分遮挡或角度偏转角度较大时,识别效果不好,它的识别效果离实用还有较大的距离,还需要进一步研究。     

基于改进型嵌入式隐马尔可夫模型的表情识别方法

提出一种基于改进型嵌入式隐马尔可夫模型的表情识别方法.首先通过视频人脸跟踪检验获取关键帧的感兴趣区域.然后利用二维离散余弦变换将人脸图像观测块转化为观测向量.最后实现嵌入式隐马尔可夫进行模型训练与表情识别.实验表明,采用嵌入式隐马尔可夫模型可有效识别表情,改进和优化后的设计方案识别效果良好.     

基于HSMM的人脸表情识别

针对表情识别中存在人脸semi-Markov models,HSMM)的人脸表情识别模型.该模型具有每个状态产生多个观察值、允许观察值缺省等特性,据此识别那些由于局部被遮挡或其它原因引起的丢失特征的人脸表情.实验结果表明,该模型提高了部分遮挡人脸的表情识别效果,同时对无遮挡人脸的表情识别也有所改善.     

基于混合特征和多HMM融合的图像序列表情识别

当前多数图像序列的人脸表情识别方法仅提取图像的某一类特征,导致特征参数不能全面地反映脸部情感信息.提出一种基于混合特征和多HMM融合的图像序列表情识别方法.采用Gabor小波变换、二维离散余弦变换分别提取眼睛及眉毛区域、鼻子区域的纹理变化特征,对嘴巴区域则采用主动表观模型提取形状变化特征.对待测图像序列中的每个表情特征区域采用离散隐马尔可夫模型得出6种表情概率;然后根据在训练阶段得到的每个表情特征区域对每种表情的贡献权值进行加权融合,并选择融合后的表情概率最大者作为识别结果.实验结果表明,该方法综合了表情的纹理与形状变化,能够得到很好的识别效果,且处理速度快,适合于实时图像序列的表情识别.     

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。     

基于HMM和微粒群优化算法的表情识别

提出基于微粒群优化算法(PSO)的隐马尔科夫模型(HMM)训练算法,分别用PSO和量子微粒群优化算法进行HMM的参数估计,以提高HMM的性能。将改进的HMM算法应用于人脸表情识别,采用离散余弦变换提取表情特征向量。实验结果表明,该算法能有效提高表情识别率,解决HMM的参数估计问题。     

基于改进光流算法和HMM的面部表情识别

提出了一种基于改进光流和HMM的面部表情识别算法,在Lucas-Kanade光流法中引入Hessian矩阵,可有效消除局部邻域中不可靠约束点,提高面部表情变化的光流场计算精度.同时采用GA算法对HMM参数重估,有效提高了HMM的分类性能.实验结果表明,该算法取得了较好的识别效果.     

基于Haar特征的Turbo-Boost表情识别算法

针对AdaBoost在使用Haar特征时的局限性,提出了Turbo-Boost算法.该算法经过两轮AdaBoost迭代,先从原始的Haar特征空间中筛选出F维主要特征子空间,再从中训练T＞F个弱分类器,以进行最终的表情识别.在CAS-PEAL-R1表情库上的10折交叉验证结果表明,Turbo-Boost算法可显著提升识别性能,对微笑、皱眉、惊讶、张口和闭眼5类表情的总体识别准确率达到了93.6％.此外,该算法的识别速度快,可满足实时识别的需要.     

Pose-Invariant Facial Expression Recognition Using Variable-Intensity Templates

In this paper, we propose a method for pose-invariant facial expression recognition from monocular video sequences. The advantage of our method is that, unlike existing methods, our method uses a simple model, called the variable-intensity template, for describing different facial expressions. This makes it possible to prepare a model for each person with very little time and effort. Variable-intensity templates describe how the intensities of multiple points, defined in the vicinity of facial parts, vary with different facial expressions. By using this model in the framework of a particle filter, our method is capable of estimating facial poses and expressions simultaneously. Experiments demonstrate the effectiveness of our method. A recognition rate of over 90% is achieved for all facial orientations, horizontal, vertical, and in-plane, in the range of ±40 degrees, ±20 degrees, and ±40 degrees from the frontal view, respectively. Electronic Supplementary Material  The online version of this article () contains supplementary material, which is available to authorized users.     

利用优化剪枝GoogLeNet的人脸表情识别方法

为了提高人脸表情识别的准确率和加快处理速度,提出了一种基于优化剪枝GoogLeNet的人脸表情识别方法.利用GoogLeNet网络提取面部特征,其中Inception模块加深学习深度,并利用典型的分类器实现人脸表情分类.改进GoogLeNet网络,添加全局最大池化层并保留检测目标的位置信息,以Sigmoid交叉熵作为训...     

基于DCT-BP神经网络的人脸表情识别

提出一种基于DCT-BP神经网络的人脸表情识别算法,先对图像进行灰度均衡与图像平滑的预处理,然后利用离散余弦变换提取图像的表情特征参数,变换后的数据量大大减小,而且不会丢失图像所携带的关键信息,最后利用前向反馈神经网络算法进行识别.     

基于DCT-BP神经网络的人脸表情识别

提出一种基于DCT-BP神经网络的人脸表情识别算法,先对图像进行灰度均衡与图像平滑的预处理,然后利用离散余弦变换提取图像的表情特征参数,变换后的数据量大大减小,而且不会丢失图像所携带的关键信息,最后利用前向反馈神经网络算法进行识别。