人脸面部混合表情识别系统

第 23 卷　第 6 期 2000 年 6 月 计　　算　　机　　学　　报 CH IN ESE J 1COM PU T ER S V o l. 23 N o. 6June 2000 人脸面部混合表情识别系统 金　辉1)　　高　文2) 1) (哈尔滨工业大学计算机科学与工程系　哈尔滨 150001) 2) (中国科学院计算技术研究所　北京 100080) 收稿日期: 1999208204; 修改稿收到日期: 2000203219. 本课题得到国家自然科学基金 (69789301)、国家“八六三”高技术研究发展计划 ( 86323062ZT 0320122) 及中国科学院“百人计划”的资助. 金　辉, 女, 1972 年生, 获博士学位, 主要研究领域为模式识别、图像处理. 高　文, 教授, 博士生导师, 主要研究领域为多媒体数据压缩、图像处理、计算机视觉、多模式接口、人工智能、虚拟现实等. 摘　要　根据心理学家对表情的研究和前人的工作成果, 在对动态表情图像序列的时序分析的基础上, 提出了对 混合表情的识别系统. 把脸部分成各个表情特征区域, 分别提取其运动特征, 按时序组成特征序列, 通过分析不同 特征区域所包含的不同表情信息的含义和表情的含量, 识别任意时序长度的、复杂的混合表情图像序列. 关键词　混合表情, 特征序列, 表情特征区域, 特征流 中图法分类号: T P18 The Human Fac ia l Com bined Express ion Recogn ition System J IN H u i1)　GAO W en2) 1) (D ep artm en t of Comp u ter S cience and E ng ineering , H arbin Institu te of T echnology , H arbin 150001) 2) ( Institu te of Comp u ting T echnology , Ch inese A cad emy of S ciences, B eij ing 100080) Abstract　 T he hum an beings have no t on ly ra t ional th ink ing and logic reason ing ab ility, bu t a lso percep tual th ink ing and emo tion s. In the aim of the natu ra l and in telligen t hum an2m ach ine comm un icat ion, it is essen t ia l to m ake it po ssib le that the compu ter can understand and exp ress the emo tion s. T h is paper summ arizes the study in the p sycho logy field and the fo rm er w o rk and p ropo ses the com b ined exp ression recogn it ion system based on the analysis of the dynam ic exp ression im age sequences. T he face is taken as being compo sed of severa l p rim ary exp ression region s, in w h ich the mo tion featu res can be ex tracted and con st itu ted to eigen2sequences. T he analysis of the arb it rary length of im age sequences of facia l exp ression s and com b ined exp ression recogn it ion are p ropo sed and imp lem en ted by analyzing the respect ive exp ression m ean ing and the exp ression con ten ts of d ifferen t p rim ary region s and u sing the m u lt i2fea tu re fu sion. Keywords　 com b ined exp ression s, eigen sequences, p rim ary exp ression region s, eigen2f low 1　引　言 1. 1　意　义 在日常生活中, 人类的智能不仅表现在正常的 理性思维和逻辑推理能力上, 也表现在正常的情 感能力上. 在自然化的人机交互的目标中, 计算机 不能没有理解和表达情感的能力. 计算机科学中, 这种能力对促进计算机视觉系统建模和数据库的 发展都有直接的作用; 在语言学中, 可辅助唇读; 在行为学中能帮助人们研究和建立交流中的可信 度; 在商业应用方面、可视电话和电视会议方面以 及国际间商业政治的交流方面都有着重要的应用 价值. 1. 2　心理学领域的研究 生物学家达尔文所做的心理学实验表明, 面部 表情的含义不随地区和国家的不同而不同, 这一结 果具有普遍的意义. 对表情的分析可从维量分析和 分类这两种角度来研究. Ekm an 等人提出的表情六 种最基本的分类, 即高兴、惊奇、恐惧、悲伤、厌恶和 愤怒, 具有里程碑的作用. 人类所有的情绪表情都是 由这几种表情经过复杂的融合而产生的. 面部表情、 声调表情或身体姿态三方面构成了情绪表现, 而情 绪表现、情绪体验和情绪生理这三种因素又组成了 情绪的心理, 所以现实生活中的表情是千变万化的. 1. 3　识别的难点 用计算机来分析、识别面部表情是一个非常复 杂的问题, 它关键在于建立一个人类的情绪 (hum an emo tion s) 模型并把它们同人脸面部特征 及表情的变化联系起来. 但人脸是个柔性体, 不是 刚体, 很难用模型来精确描绘. 而且, 表情的识别还 依赖于其它方面的因素, 如: ①对人脸的熟悉程度. ②对各种表情的体验. 表情的表现有缓和的和激动 的、细微的和强烈的、轻松的和紧张的等诸多形式, 它的生理因素也是细微多变的, 所以非常复杂. ③ 对脸部的注意程度. ④非视觉的因素也给计算机的 识别带来一定的困难. ⑤数据来源方面: 在严格的 实验中所引起的情绪表情状态带有突出的人为性 质, 这难以为实际的科学研究提供十分精确的依 据; 而在现实现场中观察的数据, 它的笼统性和复 杂性又使人难以进行数量分析, 这不能不说是人们 感到棘手从而触及它较少的原因之一. ⑥计算机本 身没有知识和经验; 光照的因素对图像的影响大, 这些也都是它的难点所在. 1. 4　计算机领域的研究 在计算机领域中, 关于面部表情识别的研究是 在最近几年才逐渐发展起来的. 文献[ 1 ]曾把人脸识 别方面特征脸 (eigenface) 的思想应用到了表情识别 中, 用静止的单帧表情图像来识别, 把表情投影到 “表情空间”. 这反映不出表情动作的变化, 没有包含 时间信息和运动信息; 扩展性不够好, 对混合表情难 以识别. 文献[ 2 ]实现的表情识别系统是用基于规则 的方法来识别较为夸张的单一表情. 在国际上,M ase [3 ]使用了光流来跟踪面部的运 动单元. L i H aibo [4 ] , Ro ivainen Pert t i 等人描述了 一种基于模型的方法, 把计算机图形学和计算机视 觉处理之间的反馈控制用于脸部图像编码系统. Yacoob 和 D avis[5 ] 基 于 FA CS ( Facia l A ct ion Coding System )编码, 在八方向上检测运动, 在一张 脸上有六个预定义、手工初始化的矩形区域, 使用简 化的 FA CS 规则识别六种表情. Ro senb lum M ark 和 Yacoob Yaser [6 ]等人用 RBFN 结构学习脸部特 征与人类情绪之间的相关性, 在最高一级识别情绪, 在中间一级决定脸部特征运动, 在低一级恢复运动 方向. 该系统也能实现识别六种基本表情. Peng A n tai 和H ayes[7 ]研究了人脸表情的建模和合成, 用 基于模型的图像编码方法, 使用遗传算法来编码、合 成各种不同表情. E ssa [8 ]等用图像序列作为输入的 计算机视觉系统来观察脸部的运动单元. 视觉观察 与感知是通过优化估计光流方法与描绘脸部结构的 几何、物理肌肉模型相结合得到的. 这种建模方法产 生了一个随时间变化的脸部形状的空间模板和一个 独立的肌肉运动群的参数化表征. 该系统只能分析 固定帧数 10 帧的图像序列, 而且不能分析混合表 情. W ang M ei[9 ]识别了六种基本面部表情的程度. 本文是把脸部分成多个表情特征区域, 分别提 取其运动特征, 按时序组成特征序列, 通过分析不同 特征区域所包含的不同表情信息和表情含量, 识别 任意时序长度的、复杂的混合表情. 2　表情的分类 由于表情产生的原因、表情表现的程度以及人 们对表情的控制能力和表情的倾向等诸多方面的原 因, 使表情的变化细微而复杂, 对表情特点的概括也 显得复杂. 依据心理学的研究, 对表情分析分类的 方法很多, 本文采用 Ekm an 的最基本表情的六种 分类方法. 对六种最基本表情的主要特点概括如 表 1 所示, 表 1 中所归纳的特点是单一情绪的面部 表情[10 ]. 表 1　面部表情的主要特点 表情 额头、眉毛 眼睛 脸的下半部 惊奇 ①眉毛被抬起来, 以致于变高变弯. ②眉毛下的皮肤被拉伸. ③皱纹可能横跨额头. ①眼睛睁大了, 上眼皮被抬高, 下眼皮下落. ②眼白可能在瞳孔的上边露出来, 下边的也可 能露出来. 下颌下落, 嘴张开, 以致于唇和齿分开, 但嘴 部并不紧张, 也不拉伸. 3066 期 金　辉等: 人脸面部混合表情识别系统 续　表 表情 额头、眉毛 眼睛 脸的下半部 恐惧 ①眉毛抬起来并皱在一起. ②额头的皱纹只集中在中部, 而不横跨整 个额头. 上眼睑抬起来, 下眼皮非常紧张, 并且被拉上 来. 嘴张开了, 嘴唇或者轻微紧张, 向后拉; 或拉 长, 同时向后拉. 厌恶 眉毛压低了, 并压低了上眼睑. 在下眼皮下部出现了横纹, 脸颊推动其向上, 并不紧张. ①上唇被抬起来. ②下唇与上唇紧闭, 推动上唇向上, 嘴角下 拉, 唇轻微凸起. ③鼻子皱起来. ④脸颊被抬起. 愤怒 ①眉毛皱在一起, 并且被压低了. ②在眉宇间出现了竖直皱纹. ①下眼皮非常紧张, 可能被或可能不被抬起. ②上眼皮是紧张的, 在眉的动作下可能被压低. ③眼睛愤怒地瞪着, 可能鼓起. ①唇有两种基本位置: 紧闭, 唇角拉直或 向下; 张开, 仿佛要喊. ②鼻孔可能是张大的, 这并不是必要的. 高兴 眉毛销微下弯 ①下眼睑下边可能有皱纹, 可能鼓起, 但并 不紧张. ②鱼尾纹从外眼角向外扩张. ①唇角向后拉并抬高. ②嘴可能被张大, 牙齿可能露出来. ③一道皱纹从鼻子一直沿伸到嘴角外部. ④脸颊被抬起. 悲伤 眉毛内角皱在一起, 抬高, 带动眉毛下 的皮肤. 眼内角的上眼皮被抬高. ①嘴角下拉. ②嘴角可能在颤抖. 3　表情的模型与编码 Ekm an 和 F riesen 提出的目前最广泛被采用的 人脸运动编码系统 FA CS 是人脸上所有导致脸部 运动的运动单元的枚举. 但 FA CS 有两个主要弱 点: ①运动单元是纯粹的局部化的空间模板. ②没有 时间描述信息, 只是一个启发式信息. 其中 FA CS 不包含情绪信息, 数据的分析只是单纯的描绘运动 单元AU , 或者把 FA CS 通过字典规则转化成情绪. 本文在此基础上提出了 FA CS’, 即 FA CS 转换的表 情编码, 把运动单元的运动转化成基于物理和肌肉 模型的运动特征流向量序列来对表情编码, 相应的 运动解释基于 FA CS 的规则, 同时克服了单纯 FA CS 的弱点. 表情识别的一个难点, 就是建立表情模型. 人脸 是一个柔性体而不是一个刚体, 很难把脸部的运动 与表情联系起来. 我们根据表情序列图像的特点, 建 立了动态的表情模型: O n set→A pp lica t ion→A pex →R elease→O ffset. 4　特征区域的定位 人脸面部的感知系统, 包括唇读、人脸识别、表 情识别等的前提条件是已知人脸图像. 人脸图像定 位以后, 根据脸部的结构信息和面部的物理2肌肉模 型, 提取表情的特征区域, 它们是由表情变化比较显 著的特征部件的相关肌肉定义的: 眼睛、眉毛区域和 嘴部区域. 虽然最终提取的特征, 不是基于结构的几 何特征, 不必精确描绘其形状信息, 但各特征区域必 须分别在大小上归一化, 在特征部件的位置与比例 上标准化. 对同一组图像序列, 特征区域的定位只在 第一帧计算得到, 其余帧都与第一帧相同, 为了防止 头部的刚体运动对测量表情运动的影响, 在标准化 时使用了旋转与平移操作; 对不同组图像序列, 对特 征区域中部件的位置与比例进行标准化: 在眼睛区 域中, 最具明显特征的是虹膜, 在边缘图像中, 虹膜 的边缘很强, 并呈圆状. 因此很容易检测得到. 从而 可得到眉毛特征, 根据眼睛及眉毛的比例可以重新 校正眼睛特征区域. 嘴部区域也是先从大致确定的 粗定位区域中, 根据灰度积分信息找到嘴部, 然后重 新校正嘴部特征区域: 如图 1. 5　面部运动的分析 关于被观察目标的运动向量即光流的估计, 主 要有三种方法[11 ]: 基于时空梯度的方法, 基于相关 的方法以及频率域的方法, 此外基于立体视的方法 也逐渐受到重视. 传统的Ho rn 与 Schunck 提出的 406 计　　算　　机　　学　　报　 2000 年 基于梯度的方法, 比较适合于皮肤的变形计算, 而且 计算量比较简单, 只是逐点的估计位置的瞬时速度 场, 我们采用这种方法. 在基于梯度的方法中, 时空梯度之间的关系是 极其重要的, 这个关系被称之为基本等式, 它构成了 对光流计算的一个重要约束. 设在时间 t 和 t+ d t 时 有两幅连续的投影, 在图 t 上有灰度为 f (x , y ) 的像 素点, 这里 x , y 为该点的坐标, 该点在 t+ d t 上移至 f (x + dx , y + dy ) , f (x , y , t) = f (x + dx , y + dy , t+ d t). 当变化是连续的, 而且两帧间的时间间隔 d t→0, 由泰勒级数展开可得到: 5 f5x dxd t + 5 f5y dyd t + 5 f5 t = 0, u= dxd t , v = dy d t. 特征部件的光流场如图 2. 用光 流特征作为特征向量, 对光照均匀程度的鲁棒性较 强, 只要光照在同一组序列中强度不变, 提取的特征 就是稳定的, 克服了图像处理比较敏感的问题. 6　基于 KL 变换的特征选择 对各个表情区域的运动向量, 我们要采用较少 数量的特征对样本进行描述以降低特征空间维数, 并去掉各特征分量间的相关性. 这种方法的基础是 Karhunen2L oève 展开式: x ( t ) = ∑∞ n= 1 rnx n论文

政研论文下载论文大学下载论文大学下载关于长拳的论文浙大论文封面下载