基于受限玻爾茲曼機的面部運動識別方法研究.pdf

1、面部表情是人類表達情感最重要的方式，如果能讓計算機按照人類自然的方式理解人的情感狀態(tài)，根據(jù)人的需求、習(xí)慣主動地為人類服務(wù)，這將從根本上改變?nèi)撕陀嬎銠C的關(guān)系，改變?nèi)祟惖纳罘绞?。在過去的幾十年里，人面部運動識別技術(shù)引起了學(xué)術(shù)界的廣泛關(guān)注并積累了大量的成果，但大量實測經(jīng)驗表明，人面部運動識別技術(shù)還遠遠達不到實際應(yīng)用的程度，尤其是現(xiàn)實環(huán)境中光照、遮擋等造成的圖像不穩(wěn)定性、不同種族和性別的面部差異以及人類過于豐富的表情內(nèi)容都給面部運動識別帶來了

2、諸多困難和極大的挑戰(zhàn)。本文將針對上述問題進行深入研究，包括人面部特征點追蹤、自然人面部運動單元（AU）識別等。主要研究工作包括：
　　分析線性模型在建模非線性面部形狀時存在的缺陷，并在此基礎(chǔ)上對面部特征點的追蹤流程進行進一步的探討和改進。針對常規(guī)線性先驗?zāi)Ｐ筒灰撞蹲酱蠓缺砬樽兓瘯r的面部特征點問題，研究并構(gòu)建基于高斯受限玻爾茲曼機（GRBM）的面部特征點形狀先驗?zāi)Ｐ?。此方法采用GRBM建模面部特征點間的深層形狀關(guān)系，通過吉布斯（G

3、ibbs）采樣追蹤面部特征點的具體位置，使面部特征點的觀測值受到形狀先驗?zāi)Ｐ偷募s束，從而減小追蹤結(jié)果的誤差。
　　分析獨立識別面部運動單元（AU）時存在的問題，明確了面部運動單元之間的語義關(guān)系在其識別過程中的重要作用。針對當(dāng)前研究只能建模部分成對AU間的相互關(guān)系，而忽略了AU全局關(guān)系的問題，提出基于受限玻爾茲曼機（RBM）的面部運動單元識別模型。該模型充分利用RBM層間全連接的結(jié)構(gòu)特征，以及無監(jiān)督的學(xué)習(xí)特性，從而捕捉到面部運動單元