人脸识别技术中表情识别的基本步骤
在威尓迪的其他网站我们介绍了很多其他的生物识别技术，如我们现在的指纹门禁一体机的指纹识别技术。下面我们来介绍一下人脸的表情识别技术。
人脸表情识别主要包括三个技术环节：首先是人脸图像的获取与预处理，其次是表情特征的表征和提取，最后是人脸表情的分类识别。每一个环节都影响到后续工作的进行，所以每一个环节都是非常重要的。
人脸检测与定位是要在输入的图像中搜索人脸，并确定人脸的位置和尺寸等信息。在所观察的场景中对人脸的存在进行检测之后，下一步就是提取人脸的表情信息。人脸表情特征提取是人脸表情识别中的重要步骤，有效的表情特征提取工作将使其后的分类性能大大提高。提取表情特征时，表情分类义一组类别，并设计相应的分类机制对表情进行识别，将其归人相应类别。例如，按照情感特点将人脸表情分类为6种或7种基本表情，也可按照脸部动作将面部表情的变化用44个运动单元及他们的组合来描述。实际中根据表情分类器选择和设计是否利用时间信息分为空域法和时空结合的方法。
所谓空间分析的方法是引入信号系统之中的概念，主要是将人脸图像看成是空间中的信号，利用信号分析的方法来对人脸图像进行处理的一类方法。基于空间分析的方法有较多的类别。例如，基于专家规则的方法先从人的观察角度出发来制定一些规则，然后借助特征提取得到的参数，判断它符合哪一类规则，将其归入相应的类别。这类方法可以精确地描述人脸表情，有利于识别混合表情。另外由于对表情进行了编码，所以也便于进行人脸表情的合成。各种基于机器学习的方法，如贝叶斯分类器、决策树、KNN等也可用于空间分析'向量输入多类输出的AdaBoost算法已用于表情分类。有些方法还可结合起来，如支持向量机在解决小样本、非线性和高维问题上有很多优势；AdaBoost方法将多个弱分类器结合起来训练形成强分类器，不同分类器针对不同的特征，通过训练可以达到特征选择的目的，将它们结合起来的AdaSVM方法用于表情分类也取得了较好的效果。
时空分析法通过分析图像序列中人脸的变化，以人脸的变形信息为表情特征来进行表情识别，目前普遍采用的主要是隐马HMM模型和光流模型法。隐马尔可夫模型能够有效地对动态信息进行建模，用HMM方法进行分类需要确定其初始和终结状态，因此一般用于单独的表情序列或分割好的表情序列。
上一篇：高低温试验箱购买时几个注意点
全年征稿/资讯合作
联系邮箱：1271141964@qq.com
- 凡本网注明"来源：智能制造网"的所有作品，版权均属于智能制造网，转载请必须注明智能制造网，https://www.gkzhan.com。违反者本网将追究相关法律责任。
- 企业发布的公司新闻、技术文章、资料下载等内容，如涉及侵权、违规遭投诉的，一律由发布企业自行承担责任，本网有权删除内容并追溯责任。
- 本网转载并注明自其它来源的作品，目的在于传递更多信息，并不代表本网赞同其观点或证实其内容的真实性，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品来源，并自负版权等法律责任。
- 如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系，否则视为放弃相关权利。
