基于面部動作單元的分層隨機森林表情識別算法.pdf

1、面部表情能傳遞豐富的情感信息，它不僅增強了人在表達時的效果，而且有助于人們更為準確地理解他人所表達的含義。面部表情識別是針對靜態(tài)圖像或視頻，采用計算機技術(shù)手段對其處理加工，提取其中有用信息并構(gòu)建分類器模型，然后對未知圖像或視頻分類的過程。面部表情識別對于分析人類情感、構(gòu)建和諧人機交互環(huán)境有著重要意義。
　　近年來，面部表情識別的研究已經(jīng)取得了很大的進展，但在噪聲環(huán)境中的面部表情識別依舊是研究的難點。本文在總結(jié)前人研究工作的基礎(chǔ)上，

2、對表情特征提取方法和表情識別算法分別做出了改進，主要體現(xiàn)在以下幾個方面:
　　(1)對表情識別技術(shù)的研究背景及其發(fā)展前景綜述，依次介紹了表情識別過程中的三個核心步驟，包括:人臉檢測和關(guān)鍵區(qū)域識別、表情特征提取以及表情，分類?？偨Y(jié)當前表情識別與分類研究方法的不足之處，該部分為全文研究的基礎(chǔ)與前提。
　　(2)采用了基于類Haar特征的Adaboost方法實現(xiàn)人臉檢測和關(guān)鍵部位劃分。
　　(3)提出了基于面部動作單元區(qū)域的

3、特征提取方法，通過引入面部動作單元(AU)這一概念，使得所提取特征能準確描述表情的細微變化，有利于提高表情識別率，同時克服了在低分辨率和噪聲環(huán)境中，面部動作單元的種類繁多，難以克服精確提取面部動作單元本身的困難。
　　(4)改進了傳統(tǒng)隨機森林(RF)，提出了基于不同AU區(qū)域的樹結(jié)構(gòu)分層隨機森林模型，將多類表情逐層識別，并將該方法與傳統(tǒng)的隨機森林、支持向量機(SVM)等方法在公共數(shù)據(jù)集進行對比實驗，結(jié)果表明本文所提出的方法在有無噪聲