● 摘要
人脸表情含有丰富的人体行为信息，是人们进行非语言交流的一种重要方式，在人机交互、智能机器人、安全驾驶、临床医学等领域有着非常广泛地应用前景。传统的人脸表情识别研究直接利用底层视觉特征将表情识别为高兴、悲伤、惊讶、害怕、嫌恶和生气或面部运动单元，未使用人脸表情相关的个性信息，不能实现智能和有效的人脸表情理解，很难获得实际应用。本文提出了一种个性上下文相关的人脸表情识别方法，首先通过鲁棒的人脸检测算法，检测出视频或图像序列中的人脸，用主动外观模型定位面部特征点；然后用光流法跟踪面部特征点的运动获取面部的形变信息，对高维的形变信息进行特征降维，实现表情强度的自动度量；最后针对不同强度的表情分别选用K-最近邻和支持向量机分类方法进行表情识别，实现表情识别及强度度量。针对目前个性人脸表情数据库匮乏的现状，提出个性表情数据库建立的方法，完成了个性人脸表情数据库的录制，并收集用户的个性信息，包括性格参数、表情模式、表情幅度等。基于个性表情数据库研究用户的个性上下文信息对人脸表情的影响，提取用户的个性信息作为表情识别的特征，用于对表情的理解。最终完成个性上下文相关的人脸表情识别研究，实现对人脸表情的智能理解，提高机器智能，早日实现和谐的人机交互。为使个性上下文人脸表情识别方法更具现实意义，在录制的个性表情数据库上进行了实验，实验结果表明本文提出的融合性格参数的个性人脸表情识别方法在进行表情识别时，平均识别率能达到95.5%的理想效果。