基于標(biāo)準(zhǔn)模型特征的人臉表情識(shí)別研究.pdf

1、面部表情是一種重要的肢體語(yǔ)言，在人們的日常生活中，只有7％的信息是通過(guò)語(yǔ)言來(lái)傳遞的，而55％的信息則是通過(guò)面部表情來(lái)傳遞的。人臉表情識(shí)別是讓計(jì)算機(jī)對(duì)人臉的表情信息進(jìn)行特征提取分析，通過(guò)結(jié)合人類先驗(yàn)知識(shí)進(jìn)行自我學(xué)習(xí)、推理以及判斷，進(jìn)而去理解人臉表情蘊(yùn)含的信息，最終實(shí)現(xiàn)人機(jī)之間的智能交互。它在機(jī)器人技術(shù)、圖像理解、虛擬現(xiàn)實(shí)技術(shù)等諸多領(lǐng)域都有著潛在的應(yīng)用價(jià)值。對(duì)表情識(shí)別領(lǐng)域的研究可以推動(dòng)計(jì)算機(jī)向智能化和人性化方向更好地發(fā)展，具有非常重要的現(xiàn)實(shí)

2、意義。
　　 盡管目前人臉表情識(shí)別技術(shù)已經(jīng)取得了不少進(jìn)展，然而與人類自身的表情識(shí)別性能相去甚遠(yuǎn)，仍需進(jìn)一步深入研究。本文屬于應(yīng)用數(shù)學(xué)與生命科學(xué)的交叉研究，基于生物仿生學(xué)和人類視覺(jué)神經(jīng)系統(tǒng)的目標(biāo)識(shí)別處理過(guò)程，研究了基于視覺(jué)感知機(jī)理的特征提取模型，提出了一種基于標(biāo)準(zhǔn)模型特征(Standard ModelFeatures，SMF)的人臉表情識(shí)別方法。該方法利用改進(jìn)的SMF進(jìn)行表情特征提取，結(jié)合SVM分類算法進(jìn)行人臉表情識(shí)別，在JAFF