基于嵌入式隱馬爾可夫模型（EHMM）的人臉表情識別.pdf

1、人臉面部表情研究是當(dāng)前模式識別領(lǐng)域中新興的一個(gè)極富挑戰(zhàn)性的課題。近年來，它被越來越多的應(yīng)用于人工智能、人機(jī)交互、心理學(xué)研究中。在眾多的應(yīng)用中，需要精確判斷出人臉面部表情，并進(jìn)行進(jìn)一步的情感計(jì)算和心理分析，因此人臉面部表情識別成為計(jì)算機(jī)視覺領(lǐng)域中的一個(gè)重要的研究方向。 本次設(shè)計(jì)以準(zhǔn)確的人臉表情識別為主要研究目標(biāo)，利用二維離散余弦變換(2D-DCT)的特征提取方法結(jié)合矢量量化算法構(gòu)成隱馬爾可夫模型(HMM)的觀察值符號序列，并將HM

2、M擴(kuò)展到嵌入式隱馬爾可夫模型(EHMM)對人臉表情進(jìn)行建模，具有一定的理論意義和實(shí)用價(jià)值，并在理論研究和實(shí)際應(yīng)用方面都取得了較好的成果。 本文的具體工作貢獻(xiàn)包括： 第一，利用二維離散余弦變換的方法，以人臉面部表情特征分布的具體情況為依據(jù)劃分臉部區(qū)域，較為細(xì)致和全面的提取了人臉面部表情特征；并針對后續(xù)嵌入式隱馬爾可夫模型的拓?fù)浣Y(jié)構(gòu)，對各區(qū)域的特征提取數(shù)進(jìn)行約束，實(shí)現(xiàn)了特征提取的有效性和典型性。 第二，針對后續(xù)EHM

3、M分類器的離散特性和傳統(tǒng)2D-DCT特征信息冗余嚴(yán)重的問題，提出將2D-DCT與矢量量化算法相結(jié)合的特征提取方法，大大降低了輸入特征向量的維數(shù)，最大程度的降低了計(jì)算的復(fù)雜度。 第三，建立了基于HMM的人臉表情識別系統(tǒng)，并通過實(shí)驗(yàn)得到了初步識別結(jié)果。根據(jù)實(shí)驗(yàn)結(jié)果分析得到的結(jié)論，針對HMM在人臉表情識別中效果不佳的問題，將其基本理論和算法推廣到EHMM。依據(jù)面部表情特征集中分布在眼睛和嘴部周圍的情況設(shè)計(jì)EHMM拓?fù)浣Y(jié)構(gòu)，建立了一個(gè)新