人臉表情識(shí)別算法及應(yīng)用

第1 章　緒論　/ 1
1．1　人臉表情識(shí)別系統(tǒng)概述　/ 1
1．2　基于動(dòng)態(tài)圖像序列的人臉表情識(shí)別的研究情況　/ 2
1．3　微表情識(shí)別的研究情況　/ 4
1．3．1　微表情識(shí)別的應(yīng)用研究　/ 4
1．3．2　微表情表達(dá)的研究　/ 4
1．3．3　微表情識(shí)別的算法研究　/ 4
1．3．4　微表情數(shù)據(jù)庫(kù)的研究　/ 5
1．4　魯棒性人臉表情識(shí)別的研究情況　/ 6
1．4．1　面部有遮擋的表情識(shí)別研究現(xiàn)狀　/ 7
1．4．2　非均勻光照下的表情識(shí)別研究現(xiàn)狀　/ 7
1．4．3　與視角無(wú)關(guān)的表情識(shí)別研究現(xiàn)狀　/ 8
1．5　人臉表情識(shí)別相關(guān)資料匯總　/ 8
參考文獻(xiàn)　/ 8
第2 章　人臉檢測(cè)與定位　/ 9
2．1　概述　/ 9
2．2　基于膚色分割和模板匹配算法的快速人臉檢測(cè)　/ 10
2．2．1　基于彩色信息的圖像分割　/ 10
2．2．2　自適應(yīng)模板匹配　/ 12
2．2．3　仿真實(shí)驗(yàn)及結(jié)果分析　/ 14
2．3　改進(jìn)Adaboost 算法的人臉檢測(cè)　/ 15
2．3．1　由擴(kuò)展的Haar-like 特征生成弱分類(lèi)器　/ 16
2．3．2　Adaboost 算法生成強(qiáng)分類(lèi)器　/ 16
2．3．3　級(jí)聯(lián)分類(lèi)器的生成　/ 18
2．3．4　極端學(xué)習(xí)機(jī)　/ 20
2．3．5　仿真實(shí)驗(yàn)及結(jié)果分析　/ 22
參考文獻(xiàn)　/ 25
第3 章　基于Candide3 模型的人臉表情跟蹤及動(dòng)態(tài)特征提取　/ 26
3．1　概述　/ 26
3．2　基于Candide3 人臉模型的跟蹤算法研究　/ 26
3．2．1　Candide3 人臉模型的研究　/ 26
3．2．2　基于Candide3 模型的跟蹤算法研究　/ 28
3．3　跟蹤算法改進(jìn)　/ 33
3．3．1　光照處理　/ 33
3．3．2　基于在線表觀模型的跟蹤算法　/ 34
3．3．3　模型的自動(dòng)初始化研究　/ 34
3．3．4　改進(jìn)算法后跟蹤實(shí)驗(yàn)　/ 36
3．4　動(dòng)態(tài)特征提取　/ 37
3．4．1　特征點(diǎn)的跟蹤　/ 37
3．4．2　動(dòng)態(tài)特征提取　/ 38
3．4．3　基于k 均值的聚類(lèi)分析　/ 39
參考文獻(xiàn)　/ 42
第4 章　表情分類(lèi)的實(shí)現(xiàn)　/ 44
4．1　概述　/ 44
4．2　K 近鄰分類(lèi)器　/ 44
4．2．1　K 近鄰規(guī)則　/ 44
4．2．2　K 近鄰分類(lèi)的距離度量　/ 44
4．2．3　基于K 近鄰分類(lèi)器的分類(lèi)實(shí)驗(yàn)　/ 45
4．3　流形學(xué)習(xí)　/ 46
4．3．1　主成分分析（PCA）　/ 47
4．3．2　拉普拉斯映射（LE）　/ 47
4．3．3　基于流形學(xué)習(xí)的降維分類(lèi)實(shí)驗(yàn)　/ 48
4．4　支持向量機(jī)　/ 51
4．4．1　支持向量機(jī)的基本思想　/ 51
4．4．2　非線性支持向量機(jī)　/ 52
4．4．3　基于支持向量機(jī)的分類(lèi)實(shí)驗(yàn)　/ 52
4．5　基于Adaboost 的分類(lèi)研究　/ 53
4．5．1　Adaboost 算法　/ 53
4．5．2　基于Adaboost 的分類(lèi)實(shí)驗(yàn)　/ 54
參考文獻(xiàn)　/ 55
第5 章　人臉動(dòng)態(tài)序列圖像表情特征提取　/ 56
5．1　概述　/ 56
5．2　基于主動(dòng)外觀模型的運(yùn)動(dòng)特征提取　/ 56
5．2．1　主動(dòng)形狀模型　/ 56
5．2．2　幾何特征提取　/ 57
5．3　基于Candide3 三維人臉模型的動(dòng)態(tài)特征提取　/ 59
5．3．1　Candide3 三維人臉模型　/ 59
5．3．2　提取表情運(yùn)動(dòng)參數(shù)特征　/ 59
5．4　動(dòng)態(tài)時(shí)間規(guī)整（DTW）　/ 61
5．5　特征選擇　/ 64
5．5．1　基于Fisher 準(zhǔn)則的特征選擇　/ 64
5．5．2　基于分布估計(jì)算法的特征選擇　/ 65
5．6　仿真實(shí)驗(yàn)及結(jié)果分析　/ 67
5．6．1　基于主動(dòng)外觀模型的運(yùn)動(dòng)特征提取　/ 67
5．6．2　基于Candide3 模型的動(dòng)態(tài)特征提取　/ 69
參考文獻(xiàn)　/ 72
第6 章　基于子空間分析和改進(jìn)最近鄰分類(lèi)的表情識(shí)別　/ 74
6．1　概述　/ 74
6．2　特征降維　/ 74
6．2．1　非線性流形學(xué)習(xí)方法　/ 74
6．2．2　線性子空間方法　/ 76
6．3　改進(jìn)最近鄰分類(lèi)法　/ 81
6．4　仿真實(shí)驗(yàn)及結(jié)果分析　/ 84
參考文獻(xiàn)　/ 85
第7 章　微表情序列圖像預(yù)處理　/ 86
7．1　概述　/ 86
7．2　灰度歸一化　/ 86
7．3　尺度歸一化　/ 88
7．4　序列長(zhǎng)度歸一化　/ 89
7．4．1　時(shí)間插值法原理　/ 90
7．4．2　時(shí)間插值法建?！? 91
7．4．3　時(shí)間插值法實(shí)現(xiàn)　/ 93
參考文獻(xiàn)　/ 95
第8 章　基于多尺度LBP-TOP 的微表情特征提取　/ 97
8．1　概述　/ 97
8．2　多尺度分析　/ 97
8．2．1　平滑濾波　/ 97
8．2．2　高斯微分　/ 99
8．3　局部二值模式　/ 101
8．3．1　原始LBP　/ 101
8．3．2　改進(jìn)LBP　/ 102
8．3．3　降維　/ 103
8．3．4　靜態(tài)特征統(tǒng)計(jì)　/ 105
8．4　時(shí)空局部二值模式　/ 106
8．4．1　LBP-TOP　/ 107
8．4．2　動(dòng)態(tài)特征統(tǒng)計(jì)　/ 109
8．5　多尺度LBP-TOP　/ 112
參考文獻(xiàn)　/ 114
第9 章　基于全局光流與LBP-TOP 特征結(jié)合的微表情特征提取　/ 115
9．1　概述　/ 115
9．2　相關(guān)理論　/ 115
9．2．1　運(yùn)動(dòng)場(chǎng)及光流場(chǎng)　/ 115
9．2．2　經(jīng)典計(jì)算方法　/ 116
9．3　問(wèn)題描述　/ 117
9．3．1　約束條件　/ 117
9．3．2　模型構(gòu)建　/ 119
9．4　算法實(shí)現(xiàn)　/ 120
9．4．1　目標(biāo)優(yōu)化　/ 120
9．4．2　多分辨率策略　/ 122
9．4．3　特征統(tǒng)計(jì)　/ 124
9．5　光流與LBP-TOP 特征結(jié)合　/ 128
參考文獻(xiàn)　/ 129
第10 章　人臉微表情分類(lèi)器設(shè)計(jì)及實(shí)驗(yàn)分析　/ 131
10．1　概述　/ 131
10．2　支持向量機(jī)　/ 131
10．2．1　分類(lèi)原理　/ 131
10．2．2　樣本空間　/ 132
10．2．3　模型參數(shù)優(yōu)化　/ 135
10．3　隨機(jī)森林　/ 136
10．3．1　集成學(xué)習(xí)　/ 137
10．3．2　決策樹(shù)　/ 137
10．3．3　組合分類(lèi)模型　/ 139
10．4　評(píng)價(jià)準(zhǔn)則　/ 141
10．5　實(shí)驗(yàn)對(duì)比驗(yàn)證　/ 143
10．5．1　識(shí)別LBP-TOP 特征　/ 143
10．5．2　識(shí)別GDLBP-TOP 特征　/ 146
10．5．3　識(shí)別OF 特征　/ 147
10．5．4　識(shí)別LBP-TOP＋OF 特征　/ 149
參考文獻(xiàn)　/ 153
第11 章　基于Gabor 多方向特征融合與分塊直方圖的表情特征提取　/ 155
11．1　概述　/ 155
11．2　人臉表情圖像的Gabor 特征表征　/ 156
11．2．1　二維Gabor 濾波器　/ 156
11．2．2　人臉表情圖像的Gabor 特征表征　/ 157
11．3　二維Gabor 小波多方向特征融合　/ 159
11．3．1　融合規(guī)則1　/ 159
11．3．2　融合規(guī)則2　/ 160
11．4　分塊直方圖特征選擇　/ 161
11．5　基于Gabor 特征融合與分塊直方圖統(tǒng)計(jì)的特征提取　/ 162
11．6　算法可行性分析　/ 163
11．7　實(shí)驗(yàn)描述及結(jié)果分析　/ 164
11．7．1　實(shí)驗(yàn)流程　/ 164
11．7．2　表情圖庫(kù)中圖像預(yù)處理　/ 165
11．7．3　實(shí)驗(yàn)描述　/ 166
11．7．4　實(shí)驗(yàn)結(jié)果分析　/ 167
11．7．5　所選融合特征的尺度分析　/ 169
參考文獻(xiàn)　/ 170
第12 章　基于對(duì)稱雙線性模型的光照魯棒性人臉表情分析　/ 172
12．1　概述　/ 172
12．2　雙線性模型　/ 174
12．3　基于對(duì)稱雙線性變換的表情圖像處理　/ 175
12．4　光照變換　/ 178
12．5　實(shí)驗(yàn)描述及結(jié)果分析　/ 181
12．5．1　實(shí)驗(yàn)描述　/ 181
12．5．2　實(shí)驗(yàn)對(duì)比　/ 182
參考文獻(xiàn)　/ 185
第13 章　基于局部特征徑向編碼的局部遮擋表情特征提取　/ 187
13．1　概述　/ 187
13．2　表情圖像預(yù)處理　/ 188
13．3　局部特征提取與表征　/ 190
13．4　Gabor 特征徑向編碼　/ 190
13．5　算法可行性分析　/ 193
13．6　實(shí)驗(yàn)描述及結(jié)果分析　/ 193
13．6．1　局部子塊數(shù)對(duì)識(shí)別結(jié)果的影響　/ 195
13．6．2　徑向網(wǎng)格尺寸對(duì)識(shí)別結(jié)果的影響　/ 195
13．6．3　左/右人臉區(qū)域遮擋對(duì)識(shí)別結(jié)果的影響　/ 196
13．6．4　不同局部特征編碼方法的實(shí)驗(yàn)對(duì)比分析　/ 196
13．6．5　遮擋對(duì)于表情識(shí)別的影響　/ 197
參考文獻(xiàn)　/ 198
第14 章　局部累加核支持向量機(jī)分類(lèi)器　/ 201
14．1　概述　/ 201
14．2　支持向量機(jī)基本理論　/ 202
14．2．1　廣義最優(yōu)分類(lèi)面　/ 202
14．2．2　線性分類(lèi)問(wèn)題　/ 203
14．2．3　支持向量機(jī)　/ 205
14．2．4　核函數(shù)　/ 206
14．3　局部徑向基累加核支持向量機(jī)　/ 206
14．4　局部歸一化線性累加核支持向量機(jī)　/ 207
14．5　實(shí)驗(yàn)描述及結(jié)果分析　/ 209
14．5．1　實(shí)驗(yàn)描述　/ 209
14．5．2　對(duì)比實(shí)驗(yàn)　/ 210
參考文獻(xiàn)　/ 213
第15 章　基于主動(dòng)視覺(jué)的人臉跟蹤與表情識(shí)別系統(tǒng)　/ 214
15．1　概述　/ 214
15．2　系統(tǒng)架構(gòu)　/ 214
15．2．1　硬件設(shè)計(jì)　/ 214
15．2．2　交互界面的設(shè)計(jì)　/ 217
15．3　相關(guān)算法　/ 218
15．3．1　云臺(tái)跟蹤算法　/ 218
15．3．2　表情識(shí)別算法　/ 220
15．4　仿真實(shí)驗(yàn)及結(jié)果分析　/ 221
15．4．1　人臉定位跟蹤實(shí)驗(yàn)　/ 221
15．4．2　人臉表情識(shí)別實(shí)驗(yàn)　/ 224
參考文獻(xiàn)　/ 227
索引　/ 229