论文部分内容阅读
近年来,随着计算机硬件技术的提高和互联网的飞速发展,情感计算逐渐受到研究人员的关注,并使该领域理论研究的实用化成为现实。目前,情感计算技术被广泛应用于社会各个领域,更好地服务于人们的日常生活,创造了巨大的社会和商业价值。情感计算中的情感特征包括人脸表情、声音、姿态、生理信号等,其中人脸表情特征是一种最直观最容易获取的情感特征之一。在人脸表情识别的研究历程中,前期主要是针对静态图像的研究,提取的是静态表情特征。随着研究的深入发展,研究人员开始关注基于视频的表情识别研究,基于视频的人脸表情特征不仅包含静态的空间信息而且包含随时间变化的动态信息,更真实地反映了人脸表情变化的本质,也更利于精确地识别人脸表情。所以本文的研究重点为基于视频的表情识别。本文表情识别系统具体包括：人脸特征点的检测与定位、时空融合特征提取、分类器的设计以及仿真实验与结果分析三大模块。本文选择Piotr Dollar自建情感数据库和华理自建情感数据库作为研究数据来源,主要目的是验证本文设计方案和华理自建情感数据库的有效性和可行性,并为数据库的完善提出改进方案。本文的主要研究工作如下：(1)人脸特征点检测与定位部分,本文采用Piotr Dollar时空特征点检测与定位算法,来检测并定位出表情视频中面部的时空特征点。该算法是针对行为识别的特点而专门设计的一种算法,该算法对运动变化比较敏感,能更好地定位出微弱变化的面部运动。(2)人脸表情特征提取,本文提出了一种基于视频的情感时空融合特征提取算法,该算法是对Jing jie Yan和Ming han Xin所提出的时空融合特征提取算法的一种改进。该算法分别采用Piotr Dollar描述算子和CBP_TOP描述算子对cuboids提取局部特征,然后对其进行归一化处理和利用主成分分析(PCA)法进行降维处理,最后直接融合这两种局部特征。该算法在保证表情特征信息精度的基础上,降低了计算复杂度,提高了运算速率。(3)分类器的设计和仿真实验与结果分析,本文采用K最近邻法(KNN)进行情感识别的仿真实验。仿真实验分别在Piotr Dollar自建情感数据库和华理自建情感数据库上进行,分别对本文设计方案和华理自建情感数据库进行可行性及有效性验证。实验结果表明：本文设计方案在保证识别率的基础上,大大提高了识别速度；华理自建情感数据库可以有效使用,部分细节有待进一步改进和完善。