基于光流與HMM的疲態(tài)人臉中運(yùn)動(dòng)單元識(shí)別研究.pdf

1、表情識(shí)別是當(dāng)前研究的熱點(diǎn)方向之一，對(duì)于情感分析，人機(jī)交互，智能系統(tǒng)方面有重要的意義。人臉運(yùn)動(dòng)單元的識(shí)別是表情識(shí)別的基礎(chǔ)，能更加精細(xì)的分析不同情感與精神狀態(tài)下面部特征變化，促進(jìn)更好地分析表情。面部表情含有豐富的信息，但目前的AU識(shí)別研究大多數(shù)針對(duì)傳統(tǒng)的基本表情，突破傳統(tǒng)表情，深入挖掘諸如疲勞，困惑等特定表情的AU特征，并對(duì)相關(guān)AU進(jìn)行有效的識(shí)別，對(duì)拓展表情識(shí)別的研究以及應(yīng)用領(lǐng)域都具有廣闊的前景。
　　本文從面部表情的角度出發(fā)分析疲勞

2、特征，深入分析了疲態(tài)人臉特征并探討顯著特征的AU表示方法。 FACS理論將不同面部動(dòng)作進(jìn)行分解并用獨(dú)立的AU單元來表示，這為情感分析，表情建模提供了可靠的依據(jù)。通過對(duì)疲態(tài)人臉特征的動(dòng)作分析，總結(jié)出能表示疲態(tài)的AU單元。但FACS僅僅為指導(dǎo)性的系統(tǒng)理論，其中臉部運(yùn)動(dòng)單元也為單純的靜態(tài)的空間模板，然而表情動(dòng)作的產(chǎn)生是一個(gè)面部多肌肉動(dòng)態(tài)合成過程，為了凸顯這一特征，文中通過檢測(cè)圖像序列來提取特征并進(jìn)行動(dòng)態(tài)AU單元識(shí)別。
　　本文算法采用光

3、流法提取動(dòng)態(tài)特征，光流中包含對(duì)象的運(yùn)動(dòng)信息，可被用來表示目標(biāo)對(duì)象的運(yùn)動(dòng)情況。在處理之前采用AMM定位人臉特征點(diǎn)并劃分特征區(qū)域，區(qū)域劃分有助于更有針對(duì)性分析人臉特征，有效去除冗余信息，減少計(jì)算量。由于光流特征數(shù)據(jù)的維度較高，不適合直接進(jìn)行分類處理，因而采用PCA進(jìn)行降維處理，通過提取降維后的系數(shù)序列達(dá)到降維的目的，同時(shí)將多幀AU圖像PCA系數(shù)組合構(gòu)造特征值序列。在建模階段，針對(duì)序列觀測(cè)值為多維行向量的特點(diǎn)，采用連續(xù)型的隱馬爾科夫模型來建立