1、研發(fā)可用于自然場景中的自動人臉表情識別系統(tǒng)是人機交互的重要目標(biāo)之一，然而自然場景中人的頭部是不斷運動的，因此想要把人臉表情識別系統(tǒng)應(yīng)用于現(xiàn)實場景中首先要解決圖像中不斷變化的人臉姿態(tài)問題。現(xiàn)階段任意姿態(tài)人臉表情識別系統(tǒng)主要可以分為三類：1)分別為每種人臉姿態(tài)的表情圖像建立對應(yīng)的表情識別模型；2)忽略姿態(tài)因素，為各種姿態(tài)的人臉表情圖像建立單一的表情識別模型；3)通過建立不同姿態(tài)間映射關(guān)系進行姿態(tài)歸一化，為不同姿態(tài)的人臉表情圖像建立統(tǒng)一的表情

2、識別模型。第一種多分類器方式需要根據(jù)姿態(tài)的不同訓(xùn)練眾多模型，且需要為每個模型單獨調(diào)節(jié)參數(shù)。第二種單一分類器無法去除姿態(tài)的干擾信息也必然會影響模型最終的表情識別率。第三種統(tǒng)一分類器多是通過定位人臉關(guān)鍵特征點學(xué)習(xí)非正臉圖像與正臉圖像映射關(guān)系的方法提取對姿態(tài)具有魯棒性的特征，從而使任意姿態(tài)的人臉表情識別任務(wù)可以在一個統(tǒng)一的模型中完成。這很大程度依賴于關(guān)鍵特征點定位的準(zhǔn)確性，尤其是側(cè)臉狀態(tài)下的關(guān)鍵特征點定位目前仍然存在很大困難。因此為了解決這三

3、種方法所存在的問題，本文提出基于層次狄利克雷模型和快速自動編碼器的任意姿態(tài)人臉表情識別方法。文章的主要內(nèi)容如下：
　?。?）提出基于層次狄利克雷模型的任意姿態(tài)人臉分割、人臉表情識別方法。針對當(dāng)人臉表情圖像中人臉姿態(tài)變化復(fù)雜時需要為每種姿態(tài)分別建立模型和調(diào)節(jié)參數(shù)而引起的模型效率低的問題，以及忽略姿態(tài)因素為不同姿態(tài)建立單一模型帶來的模型識別率低的問題，提出基于層次狄利克雷模型的任意姿態(tài)人臉關(guān)鍵區(qū)域分割、人臉表情識別方法。該方法通過將姿

4、態(tài)因素加入傳統(tǒng)狄利克雷模型中，由主題模型學(xué)習(xí)中間層特征，使模型在學(xué)習(xí)過程中可以共享不同姿態(tài)之間的特征信息，從而使任意姿態(tài)人臉表情識別任務(wù)可在一個完整統(tǒng)一的模型中完成。通過構(gòu)建人臉關(guān)鍵區(qū)域分割、人臉表情識別的層次結(jié)構(gòu)得到一種從粗糙到精細(xì)的表情識別模型，從而提高模型的效率。通過結(jié)合局部紋理特征和其所對應(yīng)的幾何特征學(xué)習(xí)得到特征之間的幾何約束，從而提高模型的穩(wěn)定性與識別率。在 RAFD和BU-3DFE兩個公開人臉表情數(shù)據(jù)庫上的實驗結(jié)果表明，與現(xiàn)

5、階段所提方法在同等條件下相比，該方法能有效解決人臉表情圖像中不斷變化的姿態(tài)問題，將最終的平均表情識別率提高了0.4％~16.2%。
　　（2）提出基于空間連貫特征的快速任意姿態(tài)人臉表情識別方法。針對人臉表情識別中出現(xiàn)的由于特征點定位不準(zhǔn)確而影響任意姿態(tài)人臉表情識別結(jié)果的問題，以及層次狄利克雷模型中隨著姿態(tài)不斷增加而引起模型復(fù)雜度逐漸增加的問題，提出基于空間連貫特征的快速任意姿態(tài)人臉表情識別方法。該方法通過將任意姿態(tài)的非正臉圖像從像

6、素級別將其映射為所對應(yīng)的正臉圖像，避免了特征點定位不準(zhǔn)確的問題。通過基于對表情貢獻較大的關(guān)鍵區(qū)域的無監(jiān)督特征學(xué)習(xí)方法提取對光照、圖像扭曲等因素更具魯棒性的特征，提高了模型的效率以及表情的識別率。通過將無監(jiān)督特征學(xué)習(xí)得到的學(xué)習(xí)型特征與其所對應(yīng)的關(guān)鍵區(qū)域的幾何信息相結(jié)合，形成具有空間連貫特性的混合特征，提高了模型的效率和穩(wěn)定性。在公開的包含任意姿態(tài)人臉表情識別圖像的標(biāo)準(zhǔn)庫BU-3DFE上，從多個方面驗證了所提方法的有效性，實驗結(jié)果表明該方法