1、面部表情識(shí)別所要研究的是如何自動(dòng)、可靠、高效地識(shí)別出人臉表情所傳達(dá)的信息，并利用這些信息推測(cè)人的心理活動(dòng)，為后續(xù)工作提供依據(jù)，其目的在于建立友好、人性化的人機(jī)交互界面，使計(jì)算機(jī)具備感知和理解人的情緒的能力。但到目前為止，要建立一個(gè)魯棒的自動(dòng)人臉表情識(shí)別系統(tǒng)還存在許多困難尚未解決。本文在總結(jié)前人研究成果的基礎(chǔ)上，從模式識(shí)別和機(jī)器學(xué)習(xí)的角度出發(fā)，利用統(tǒng)計(jì)學(xué)的方法對(duì)面部表情識(shí)別進(jìn)行研究。 本文工作的重點(diǎn)在人臉特征的精確定位、表情特征提

2、取和表情分類三個(gè)方面。在人臉特征的精確定位上，本文提出了多種方法改進(jìn)主動(dòng)形狀模型(activeshapemodel，ASM)的性能，提高人臉特征定位的準(zhǔn)確性和精確性。將局部二元模式(localbinarypattern，LBP)引入表情識(shí)別，以取得更好的表情特征提取結(jié)果。并將LBP與嵌入式隱馬爾可夫模型(embeddedhiddenMarkovmodel，EHMM)結(jié)合，利用LBP抽取的表情特征訓(xùn)練EHMM表情模型，提出基于LBP-EH

3、MM表情識(shí)別方法。使用Matlab和C++等工具完成特征提取和表情識(shí)別驗(yàn)證性實(shí)驗(yàn)。 本文首先對(duì)人臉特征的精確定位展開(kāi)研究，重點(diǎn)放在對(duì)具有良好統(tǒng)計(jì)性能和泛化能力的主動(dòng)形狀模型的研究上。ASM用統(tǒng)計(jì)的方法建立人臉特征的形狀模型和局部紋理模型，利用形狀模型對(duì)人臉的形狀進(jìn)行約束，再通過(guò)對(duì)局部紋理模型的匹配將識(shí)別問(wèn)題轉(zhuǎn)化為一個(gè)最優(yōu)化的問(wèn)題。本文在傳統(tǒng)的多尺度ASM基礎(chǔ)上，提出了基于人眼、嘴角等特征信息的ASM搜索模型的初始定位方法和反復(fù)迭

4、代的搜索策略，提高了ASM收斂的正確率。同時(shí)對(duì)局部紋理模型進(jìn)行改進(jìn)，提出加權(quán)子模型ASM和2D子模型ASM，大大增強(qiáng)了ASM收斂的精度。 基于隱馬爾可夫模型(hiddenMarkovmodel，HMM)改進(jìn)的嵌入式隱馬爾科夫模型具有良好的二維結(jié)構(gòu)描述能力，已在人臉識(shí)別中得到應(yīng)用。本文利用EHMM對(duì)人臉表情進(jìn)行表情建模和分類，實(shí)現(xiàn)了基于EHMM的表情識(shí)別方法。在此基礎(chǔ)上，引入了局部二元模式。提出基于LBP-EHMM表情識(shí)別方法，通