题目：人脸表情识别及光照处理研究

人与人之间的交流可以通过多种途径进行，如语言，姿态，表情等。随着计算机技术的快速发展，人们希望人与机器之间的交互可以达到人与人交流的和谐程度。人脸表情作为一种非常重要的信息传递方式，越来越受到研究者的重视。通过计算机软硬件设备，人脸表情识别技术提取及判别表情特征信息，从而智能地探索人的心理情绪，使得人与机器之间的交互更加和谐。近年来，人脸表情识别已成为国内外模式识别和人工智能领域的研究热点，其内容涉及众多学科，是一个极富挑战性的交叉课题。
通常情况下，人脸表情识别按照先后顺序可概括为四部分：（1）表情图像采集；（2）表情图像前期处理；（3）特征提取；（4）表情分类。本文首先介绍了国内外人脸表情识别的研究现状，并分别对上述内容进行详细说明。然后，就当今人脸表情识别及光照处理研究中存在的关键技术难点展开讨论，并给出本领域的发展趋势。关键技术包括：（1）人脸表情特征提取与降维；（2）人脸表情个体差异消除；（3）人脸光照方向估计；（4）人脸光照均衡；（5）人脸局部阴影补偿。
具体而言，本文主要研究工作总结如下：
（1） 面部纹理的运动变化分布在高维空间的低维流形中，本文探索面部纹理的运动变化规律，寻找低维流形与七种表情（六种基本表情和中性表情）的对应关系，提取人脸表情图像的特征并进行人脸表情识别研究。基于整体外观特征是人脸表情识别最基本与最直接的途径之一，目前已经出现了许多经典的方法。本文在前人的研究基础之上，利用t分布随机邻域嵌入将高维的人脸表情图像映射到低维的特征子空间，再采用AdaboostM2进行人脸表情训练与分类，取得了满意的识别效果。
（2） 人在表达内心情感时，人脸包含了丰富的信息，其中身份信息和表情信息是两种主要信息。然而，身份信息中存在的个体差异给人脸表情识别带来了极大干扰。本文将获取的人脸结构特征与纹理信息通过比例系数的形式标准化，以此约束个体差异对人脸表情识别的影响。实验结果表明，本文所提方法能将表情信息较好地分离出来，进而更好地实现人脸表情识别。
（3） 现实情况下，由于采集图像时光照条件差异较大，成像条件也极不稳定，所以同一对象在不同光照条件下形成的图像会出现较大的差异。为消除光照不均现象，本文针对单幅人脸图像，探索人脸光照方向估计新方法，为人脸光照均衡提供先决条件。
（4） 具有同一表情的相同对象，在不同的光照条件下，其表情图像的灰度分布差异明显，导致两幅图像被误判成不同的表情。本文在有效估计人脸光照方向的前提下，通过改进经典的Retinex算法，对具有不同光照分布的人脸图像进行光照均衡，消除人脸光照不均现象。
（5） 上述算法能够较好地消除人脸光照不均，为后续的识别任务提供较满意的特征数据，然而，对于鼻子周围存在的遮挡阴影，其处理效果不明显。本文利用区域生长技术，将单幅人脸图像分割为阴影与非阴影区域，并对各区域分别进行光照分析与处理，进而实现了满意的光照补偿效果。