基于增量学习和ASM的人脸表情分析与识别-论文.pdf

《基于增量学习和ASM的人脸表情分析与识别-论文.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、第31卷第3期计算机应用与软件Vo1．31No．32014年3月ComputerApplicationsandSoftwareMar．2014基于增量学习和ASM的人脸表情分析与识别梁雪梅(重庆电子工程职业学院计算机学院重庆401331)摘要主动形状模型ASM(Activeshapemode1)是一种基于参数化的统计模型，主要用在图像特征点提取和图像分割中。在分析传统方法不足的基础上，提出一种改进的主动形状模型定位人脸特征的新方法。该方法采用增量学习PCA方法，可以有嗷解决模型匹配失败和受测试图像影响等因素，同时可

2、对训练集进行纹理模型更新。把改进的方法用在人脸表情分析和识别上，采用SVM建立表情分类器。实验结果表明，改进的方法可以有效提高人脸特征点的定位精度，同时提高了表情识别率。关键词主动形状模型特征提取PCA增量学习纹理模型表情识别SVM中图分类号TP391．41文献标识码ADOI：10．3969／j．issn．1000·386x．2014．03．045FACIALEXPRESSlONANALYSISANDRECoGNITIoNBASEDoNINCREMENTALLEARNINGANDACTIVESHAPEMoDELLi

3、angXuemei’(SchoolofComputerScience，ChongqingElectronicEngineeringVocationalCollege，Chongqing401331，China)AbstractActiveshapemodel(ASM)isaparameterisation—basedstatisticalmodel，whichismainlyusedinimagefeaturepointsextrac-tionandimagesegmentation．Animprovednewme

4、thodisproposedwhichusesASMtolocatethefacialfeaturesbasedonanalysingtheinsuf-ficiencyoftraditionalmethod．ByusingincrementallearningPCA，thismethodisabletoeffectivelyresolvethefactorsofmodelmatchingfail-ureandtheeffectoftheimagetobetested，etc．，andtoupdatethetextu

5、remodelontrainingsetatthesametime．Moreover，theimprovedmethodisusedforfaceexpressionanalysisandrecognition，andatlasttheSVMisusedtosetuptheexpressionclassifier．Experimentalre—suitsshowthattheimprovedmethodcaneffectivelyimprovethelocatingaccuracyoffacialfeaturepo

6、intsandalsoimprovetheexpressionrec—ognitionratemeanwhile．KeywordsActiveshapemodelFeatureextractionPCAIncrementallearningTexturemodelExpressionrecognitionSVM简单、易于实现、且方便扩展到三维图像。为了提高ASM算法0引言在人脸平滑区域定位特征点的准确性，李皓等基于局部定位的多模板ASM算法，在算法中首先在各模板特征点中构建窄条近年来，人脸面部表情的理解分析与识别得

7、到越来越多的带，然后利用Closed—form算法对窄条带区域进行文理分割，最关注。进行表情识别的关键是人脸面部的特征提取，特征点提后采用局部模板与图像进行匹配得到人脸特征点位置。该算法取的好坏直接影响到最终的识别精度。当前主要有本征脸法、显著改善了纹理平滑区域特征点的定位精度。因人脸有丰富的模型法和局部特征法。其中，最经典的算法有本征脸法【lJ、基表情，比如睁眼和闭眼以及张嘴和微笑嘴型下都使得人脸的脸于特征脸的PCA方法、以及独立分量分析法等。基于局部特征型有较大的变化，所以不能在同一个线性模型下处理这些多种的方

8、法是分割各个器官元素，把分割后的器官视为不同的特征状态。李英等根据不同眼睛和嘴型状态建立多模板ASM模元素，然后考虑对表情有重大影响的关键部位，比如嘴型、眉毛型，最后依照不同的全局模板搜索整个人脸轮廓去定位特征点，等。该类中的典型方法有：通过对比特征点的不同位置和形状该改进方法明显提高了特征点的定位精度。来进行人脸的表情识别，或者采用神经网络和小波变换进行传