人脸面部表情识别的研究进展pdf

《人脸面部表情识别的研究进展pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、http://www.paper.edu.cn人脸面部表情识别的研究进展122212何良华邹采荣包永强赵力（1．东南大学学习科学研究中心，江苏南京2100962.东南大学无线电工程系，江苏南京210096）摘要：随着信息和计算机技术的飞速发展，人脸面部表情识别技术越来越受到重视。本文综述了近年来人脸面部表情识别的研究进展。首先对面部表情识别技术的研究背景和发展历程作了简单的回顾，然后着重介绍了几种主要的识别方法，并力争从理论上对各种方法进行分析和比较，最后简单地讨论了进一步提高面部表情识别率的难点和必须考虑的几个重要方面，进而展望了人脸面部表情识别技术的发展方向。关键词：面部表情识

2、别，面部运动编码系统、主分量分析1．引言人类语言分为自然语言和人体语言（或形体语言）两类，面部表情是人体语言的一部分。[1]。面部表情表达了人的丰富的情感。在人们日常的交流中起着至关重要的作用。它不仅告诉我们一些人的情感东西，还告诉我们一些有关人的认知行为、性格、气质、真诚和心理的信息[2]。面部情感的研究始于19世纪，达尔文在他著名的论著《人类和动物的表情（TheExpressionoftheEmotionsinAnimalsandMan，1872）》中就阐述了人的面部表情和动物的面部表情之间的联系和区别。在1971年，Ekman和Friesen研究了6种基本表情(即高兴、悲伤、

3、惊讶、恐惧、愤怒和厌恶),并系统地建立了上千幅不同的人脸表情图象库[3]。文献[4]中给出了六种基本表情的具体面部表现：表1：表情脸的运动特征具体表现表情额头、眉毛眼睛脸的下半部①眼睛睁大，上眼皮抬高，下眼皮①眉毛抬起，变高变湾下落下颌下落，嘴张开，唇和齿分开，惊奇②眉毛下的皮肤被拉伸②眼白可能在瞳孔的上边和/或下但嘴部不紧张，也不拉伸③皱纹可能横跨额头边露出来①眉毛抬起并皱在一起嘴张，嘴唇或轻微紧张，向后拉；恐惧②额头的皱纹只集中在中上眼睑抬起，下眼皮拉紧或拉长，同时向后拉部，而不横跨整个额头①上唇抬起在下眼皮下部出现横纹，脸颊推动②下唇与上唇紧闭，推动上唇向厌恶眉毛压低，并压低

4、上眼睑其向上，当并不紧张上，嘴角下拉，唇轻微凸起③鼻子皱起④脸颊抬起①唇有两种基本的位置：紧闭，①眉毛皱在一起，压低①下眼皮拉紧，抬起或不抬起唇角拉直或向下，张开，仿佛愤怒②在眉宇间出现竖直皱纹②上眼皮拉紧，眉毛压低要喊③眼睛瞪大，可能鼓起②鼻孔可能张大①唇角向后拉并抬高①下眼睑下边可能有皱纹，可能鼓②嘴可能被张大，牙齿可能露出高兴眉毛参考:稍微下弯起，但并不紧张③一道皱纹从鼻子一直延伸到②鱼尾纹从外眼角向外扩张嘴角外部④脸颊被抬起眉毛内角皱在一起，抬高，①嘴角下拉悲伤眼内角的上眼皮抬高带动眉毛下的皮肤②嘴角可能颤抖本项目受教育部《面向21世纪教育振兴行动计划》资助http://w

5、ww.paper.edu.cn2．人脸面部表情识别2．1概述人类通过视觉、味觉、听觉、嗅觉和触觉五个器官来认识世界。我们把用眼睛观察到的视觉信息叫做图象信息，如人脸的表情信息。一般的表情识别可以用单个感官完成，也可以用多个感官相配合来完成。它是一个整体识别和特征识别共同作用的结果。具体说来,远处辨认人,主要是整体识别,而在近距离的面部表情识别中,特征部件的识别则更重要。另外,人脸的各部件对识别的贡献也不相同,如眼睛和嘴巴的重要程度大于人的鼻子,人脸上半部分重要性大于人脸下半部分。根据对人脑的研究表明,人脸的表情识别和人脸识别虽然存在联系,但总体说是分开的、并行的处理过程[5]。随着

6、人脸的计算机处理技术（包括人脸检测和人脸识别）不断完善，利用计算机进行面部表情分析也就成为可能。总体而言，表情分析是一个非常困难的研究方向，主要体现在表情特征提取的准确性和有效性上。尤其是后者，因为各种表情本身体现在各个特征点运动上的差别就不是很大，例如：嘴巴张开并不代表就是笑，也有可能是哭和惊讶等。以下我们所讲到的一些方法都是从人脸识别演变而来，结合表情识别的特点而运用。目前所用到的识别特征主要有：灰度特征、运动特征和频率特征三种。灰度特征是从表情图像的灰度值上来处理，利用不同表情有不同灰度值来得到识别的依据。这种情况下要求图象对光照、角度等因素要进行充分的预处理，使获得的灰度值

7、具有归一性。运动特征利用了不同表情情况下人脸的主要表情点的运动信息来进行识别。频域特征主要是利用了表情图像在不同的频率分解下的差别，速度快是其显著特点。在具体的表情识别方法上，方向主要有三个：整体识别法和局部识别法，形变提取法和运动提取法，几何特征法和容貌特征法。整体法中，无论是从脸部的变形出发还是从脸部的运动出发，都是将表情人脸作为一个整体来分析，找出各种表情下的图像差别。其中典型的方法有：基于特征脸的主分量分析（PCA）法，独立分量分析法（ICA）、fisher线