1、人臉運動單元狀態(tài)識別是指通過計算機分析人的臉部不同運動單元和其組合的狀態(tài)變化，由此可確定其內心情緒或思想活動，實現(xiàn)人機之間更自然更智能化的交互。人臉運動單元識別的研究對于增強計算機的智能化和人性化，開發(fā)新型人機環(huán)境，以及推動心理學等學科的發(fā)展，有著重要的現(xiàn)實意義，并最終產生很大經濟效益和社會效益。 本文首先綜述課題的研究背景，分析目前國內外已提出的主流人臉運動單元識別方法，重點對小波變換、獨立分量分析、矩的方法和光流模型進行了詳

2、細闡述和比較。然后針對人臉運動單元識別系統(tǒng)中人臉圖像預處理和運動單元子區(qū)域的定位與分割、運動單元特征提取和運動單元特征分類識別三個主要部分，提出了自己的一些算法，具體包括如下： (1)提出了基于Harris角點檢測的上半人臉運動單元子區(qū)域定位與分割算法。在從圖像中檢測出人臉區(qū)域的基礎上，對檢測出的人臉區(qū)域進行歸一化處理，然后用基于Harris角點檢測的算法精確地定位各個上半人臉運動單元子區(qū)域，并將其分割出來。該算法能準確地從人臉

3、區(qū)域中將不同的上半人臉運動單元分割出來。 (2)提出了基于KPCA的上半人臉運動單元狀態(tài)特征的提取算法。在定位分割出上半人臉運動單元子區(qū)域圖像之后，提出了采用KPCA算法提取它們的特征。在設計KPCA算法中，根據(jù)上半人臉運動單元圖像的狀況，選擇設計相應的核函數(shù)，形成合理可用的有針對性的改進KPCA特征提取算法。該算法既能屏蔽與個人有關的特征以及光照的變化，基本做到與人無關的運動單元狀態(tài)識別，使識別系統(tǒng)更加可靠、魯棒；又能將圖像映

4、射到特征空間，大大降低了圖像矩陣的維數(shù)，從而有效地減少計算量。 (3)采用了基于改進的SVM分類器，進行上半人臉運動單元狀態(tài)的分類識別。通過對提取出的KPCA特征的性質進行分析和試驗，然后合理選擇設計相關的核函數(shù)和懲罰因子，從而形成基于SVM的上半人臉運動單元狀態(tài)的分類識別算法。該算法能夠獲得較好的識別結果，同時保證較快的執(zhí)行速度。 最后采用面向對象的設計方法，結合應用了VC++和Matlab中的相應庫函數(shù)，設計開發(fā)了上