论文部分内容阅读
表情在人们日常生活中起着重要的作用，是人们非语言交流的一种重要方式。表情包含丰富的情感信息，是情感最主要的载体，是人们理解情感的重要途径。表情是智能的体现，长期以来表情识别一直是人工智能和计算机视觉领域中的重要研究方向。近年来，随着人们对人机交互兴趣的增加，表情识别逐渐成为一个研究热点。表情识别是智能、自然的人机交互的本质。实现自然和谐的人机交互，必须使计算机能够有效地理解人的情感和意图。表情识别是情感理解的基础，是计算机理解人们情感的前提和有效途径。表情识别是智能机器走进人们日常生活必须解决的问题，是实现智能机器必然要面临的问题，也是人们探索智能、理解智能的有效途径。
表情识别是基于视觉信息将脸部的运动和脸部特征的形变进行分类。表情出现必然导致脸部形变。脸部形变中包含表情分类需要的信息，要得到表情信息必须先得到脸部形变信息。脸部形变表现在两个方面：脸部纹理变化和脸部形状变化。脸部形状信息包含了必要的表情信息，人脑仅依靠脸部形状和结构特征就能够完成表情识别，所以本文选择从脸部形状信息中提取脸部特征形变信息。现有表情识别方法从脸部的整体形变出发，从中提取表情相关信息，完成表情的识别。本文采用从局部到整体的思想设计表情分类算法。基于局部的分类算法是解决遮挡问题的有效方式。本文在分类算法设计时，考虑表情模糊性的描述。模糊性是表情识别问题不同其它识别问题的显著特点。人的情感是丰富多样的，单纯一种表情往往不能准确表达情感，表情模糊性是情感复杂性的一种具体表现。本文从这一点出发，设计识别算法时着重考虑基于脸部形状和结构特征的表情模糊性描述。
本文工作与现有表情识别方法的主要不同在于：本文从尽可能少的脸部特征点中提取脸部的二维形状和结构特征，即尽可能去除信息的冗余性，只使用最少的必要的脸部特征；本文表情分类从局部形变(单个特征)出发，抽取其中包含的表情信息，通过融合得到脸部整体形变标识的表情信息，完成表情识别；同时，在分类算法设计是充分考虑表情模糊性描述。本文包括以下几个主要贡献：1.本文表情识别只利用脸部二维形状和结构特征。人类大脑只使用脸部形状和结构特征就能够完成表情识别，漫画是一个很典型的例子；同时，现有的一些生理学心理学研究认为人脑是先利用脸部形状和结构特征对表情进行粗识别，然后再使用脸部纹理特征进一步识别表情。基于这两点，本文只使用脸部二维形状和结构特征进行表情识别，给出了只基于脸部二维形状和结构特征有效的表情分类算法。为模拟人脑表情识别过程提供了一种良好的基于脸部形状和结构特征的分类算法。
2.现有的表情识别方法中，都力图使用更多的脸部特征，用充分的信息来保证识别的效果。本文在算法设计时尝试使用尽可能少的脸部特征完成表情分类。本文通过设计基于单个特征的分类器，有效地使用每个特征，给出了有良好分类效果的基于必要脸部特征的表情分类算法。
3.本文表情分类算法设计思想是从局部到整体。为了获得良好的分类效果，本文在从局部到整体的分类算法设计时，着重考虑了信息分离算法和融合算法的设计。给出了有效的单个特征信息分离算法和信息融合方法，设计了一种有效的基于二维形状和结构特征的从局部到整体的表情分类算法。
4.本文在表情分类算法设计时，考虑基于脸部形状和结构特征的表情模糊性描述。通过实验分析了基于脸部二维形状和结构特征描述表情模糊性的合理性与不足之处。
本文在表情分类算法只使用必要的脸部特征。算法设计过程中始终基于局部到整体的算法设计思想。此外，本文着重考虑了如何基于二维形状和结构特征描述表情模糊性。