以面部表情视频序列为研究对象,基于一种统计学习方法-支持向量机对面部表情进行识别及强度度量。采用一种改进的特征点跟踪方法来提取面部特征形变。通过非线性降维方法一等容特征映射自动产生表情强度范围,从高维特征点轨迹中抽取一维的表情强度。最后,使用SVM建立表情模型和强度模型,进行表情的分类,并对高兴表情进行强度等级的归类。实验证明了该表情分析方法的有效性。
维普资讯 http://doc.docsou.com
No 1 .
微
处
理
机
F b 20 e ., 0 7
MI CROP ROCES SOR S
第1期 20 07年 2月
微机应用
基于 S M的面部表情分析拳 V
李燕邹北骥汤丽君,,
(. 1湖南大学计算机与通信学院,长沙 408 2中南大学信息科学与工程学院, 102;.长沙 408 ) 103摘要:以面部表情视频序列为研究对象,于一种统计学习方法一支持向量机对面部表情进基行识别及强度度量。采用一种改进的特征点跟踪方法来提取面部特征形变。通过非线性降维方法等容特征映射自动产生表情强度范围,高维特征点轨迹中抽取一维的表情强度。最后,用从使
一
S M建立表情模型和强度模型,行表情的分类, V进并对高兴表情进行强度等级的归类。实验证明
了该表情分析方法的有效性。 关键词:面部表情分析;征点跟踪;特支持向量机;情强度表中图分类号: P 9 . 1 T 3 14文献标识码: A文章编号:0 2— 2 9 2 0 ) 1— 0 2— 3 10 2 7 ( 0 7 O 0 9 0
Su p r Ve t rMa h n p ot co c ie—Ba e a i I x r s in An lss s d F ca p e so ay i E
U a Z U B i j,A G L— u Y h。 O e— i T N i jn
( .colfC m ue a dC m n ao, ua n e i, hn sa4 0 8 C i; 1Sho o o ptr n o mu i t n H nnU w mt C agh 10 2,hn ci y a 2 Sho o I om t nSi c E gnen Cnrl ot nvrt,h nsa4 0 8,hn ) . col n r ai c ne& ni r g。 et u U i sy C a gh 10 3 C i f f o e ei aS h ei a
Absr c: s p p r d e e e r h o a il e p e so i o s q n e,r c g ie a ile p e— t a t Thi a e o s r s a c n f ca x r si n vde e ue c s e o n z s fc a x r s so n a u e h n e st fe p e so a e n a sa itc e r n t o in a d me s r s t e i t n i o x
r s in b s d o ttsi a la nig meh d—s p o tv co — y l u p r e trma c ie h n .Fis .a mprv d me o ff au e p i tta k n S us d t x a t te f ca e t r eo ma rt n i o e t d o e t r o n r c i g i e o e t c a ilf au e d fr— h r h
tn i .T e o h n.a n n i e rd me so a i e u t n me o o l a i n in l y rd c o t d—I O n t i h S MAP i s d t u o t a y g n r t e u e o a tma c l e e ae t S i l h
set m f x rsi t s yb x at g1一Dmai l o hg i ninle tr pit a c— p c u o pes ni e i yet c n r e o n nt r i nf df m i dmes a f ueo n j t o r h o a r t eo
r s i .At a t u p ̄ Ve trMa h n Su e u l ee p e so d l d i tn i d l o ca s e s .S p o l co c i e i s d t b i t x r sin mo e n e s mo e ls i o dh n a y t t—
f ef ca x r s insa d c a sf ei t n i r d fha p x r sin.Ex e me th sv ia e h y t a ile p e so n l siy t n e st g a e o p y e p e so h h y p r n a a d td t e i l e fc ie e so i a ile p e so n y i t o fe t n s ft s fc a x r si n a a ssme d. v h l h Ke r y wo ds: a i le p e so n y i Fe t r on r c i g; u p ̄ Ve t r Ma hne; p e so F ca x r si n a a ss; a u e p it ta k n S p o l co c i Ex r si n
it n i n e st y
l引言
表情是人类交流中信息传递的主要媒介,是非语言交流的最主要方式,在人类的日常生活中扮演着很重要的角色。面部表情包含了丰富的情感信息,情绪的外在表现。目前,是对表情的研究主
要分为心理学领域和计算机领域的研究。在计算机领域,面部表情分析是情感计算中的研究热点,目的其在于建立友好、性化的人机交互界面,人使计算机具备感知和理解人的情绪的能力。 表情分析既包括表情识别又包括对表情强度的度量。对表情的识别目前展开得比较广泛。在目前的计算机领域中,已有的表情识别方法主要分为:整体识别法和局部识别法、变提取法和运动提取法、形 几何特征法和容貌特征法。对表情强度度量的研究尚未充分展开。 Hrsi O A A H和 FmoH i h B Y S I o K ui A R¨基于静态图像进行表情分析, A他们将面部图像
中的五官几何尺寸及位置信息作为面部特征,并人工标定各表情图像的表情强度值,通过神经网络来
构建表情模型和强度模型。Jme a sJ—JLe和 in T koK ae2使用密度流跟踪与主成分分析来提 ae a d【 n
取表情变化信息并构建特征空间,人为标定训练序
列各帧的表情强度作为基准,通过比较训练序列和测试序列在特征空间的投影来识别表情并估计表情强度,中投影向量的方向反映表情的类型,其向量大小表示表情的强度。 基于面部特征点跟踪和支持向量机对表情进行分析,构建了一个表情分析系统。该系统包括三个部分:特征提取,情分类,征降维及表情强度等表特
级分类。
2面部特征提取
选取特征点跟踪方法来获取面部特征形变信
拳作者简介:基金项目:国家自然科学基金资助项目( 07 0 9。 6 5 37 )作者简介: (9 2,,李燕 18一)女湖南常德人,硕士研究生,主研方向:计算机视觉,图像处理。 收稿日期:0 6— 4— 5 2 0 0 2