表情识别技术综述分析
SOUTH UNIVERSITY
题 目 人类表情识别技术 学生姓名 何伟峰 学号 0918140119 专业班级 智能科学与技术1401 完成时间 2015/10/27
人类表情识别技术
............................................................................................................................... 3
前言： ................................................................................................................................. 3
表情识别 ............................................................................................................................. 3
................................................................................................................... 3
........................................................................................................................... 4
................................................................................................... 4
................................................................................................................... 5
应用前景 ............................................................................................................................. 5
面部表情识别的国内外研究情况 ..................................................................................... 5
目前存在的难点和问题 ..................................................................................................... 6
............................................................................................................................... 6
表情是人类引以为傲的东西，这是我们和机器的一种本质上的区别。随着计
我们更期盼人机之间的沟通交流，尤其是一种带有感情的沟通交流。计算机在
在物联网技术发展的今天，面部识别已经不是什么太大的技术性问题，而对于人类表情
或许这才是真正的物联网时代。表情识别作为一种人机交互的方式，成
基于对表情识别的基本分析，文章重点介绍了面部表情识别的国内外研究情
关键词：表情识别；特征提取；表情分类；应用前景。
前言：
21世纪，随着计算机技术和人工智能技术及其相关学科的迅猛发展，整个社会
人们对类似于人和人交流方式的人机交互的需求日益强烈。计算机
将从根本上改变人与计算机之间
使计算机能够更好地为人类服务。表情识别是情感理解的基础，是计算机理解人们
也是人们探索和理解智能的有效途径。如果实现计算机对人脸表情的理解与识
表情识别
人脸表情特征提取和人脸表
人脸检测与定位
Haar特征的特征提取方法和基于Adaboost的分类方法进行人脸检测与定
人脸检测与定位 图像预处理 表情特征提取 表情分类与识别 人脸检测与定位
图像预处理
面部表情特征的提取方法
表情特征提取是表情识别系统中最重要的部分，有效的表情特征提取工作将使识别的性
:灰度特征、运动特征和频率特征三种阎。灰度特征是从表情
利用不同表情有不同灰度值来得到识别的依据。运动特征利用了不
频域特征主要是利用了表情图像在
速度快是其显著特点。在具体的表情识别方法上，分类方向主要
:整体识别法和局部识别法、形变提取法和运动提取法、几何特征法和容貌特征法。
无论是从脸部的变形出发还是从脸部的运动出发，都是将表情人脸作为一个
:基于特征脸的主成分分析(prineipalComponentAnalysis，pCA)法、
(Indendent ComPonent Analysis，ICA)、Fisher线性判别法(Fisher’s Linear
，FLD)、局部特征分析 (LoealFeatureAnalysis，LFA)、Fishe诞动法
、隐马尔科夫模型法(HideMarkovModel，HMM)，聚类分析法和流形法。
相比较而言，鼻子的运动就较少，这样在识别时就可以尽量少的对鼻子
，FAes)和MPEe一4中的脸部运动参数法其他的还有局部主分量分
(LocalPCA)、Gabor小波法和神经网络法。
主要的方法
:主分量分析法(PeA)、o汕or小波、运动模板法 (Aetivesh叩 eModel，AsM)[’6]和点分布
(PointDistributionModel，PDM)法。
:光流法 (OPticalFlow)「’7][’8]和MPEG一4中的脸部
(FaceAnimationparameterFAp)。
几何特征法是根据人的面部的各个部分的形状和位置(包括嘴、眼睛、眉毛、鼻子)来提
这个特征矢量来代表人脸的几何特征。根据这个特征矢量的不同就可以识别不
:基于运动单元(AU)的主分量分析法。
在容貌特征法中，主要是将整体人脸或者是局部人脸通过图像的滤波，以得到特征矢量。
Gabor小波。当然，这三个发展方向不是严格独立，它们只是从不同侧面来
都只是提供了一种分析表情的思路，相互联系，相互影响。有很多
例如说面部运动编码系统法是局部法的一种，同时也是
所以，接下来的分析将不从这三个方向上去说明，而是直接简单
流形学习算法在实现降维的过程中，较好的保留了本样本间的非线性结构，这对于静
但是，用流形学习算法来处理表情特征
意思大多数流形学习算法不像线性降维法那样，可从训练集中得到适用
只能以批处理的方式进行。为了得到某些待测样本的流形嵌入向量，
要准确提取出人类表情图像中最能有效表征表情信息的特征，表
在表情分类识别阶段根据表情特征提取
分类方法的好坏及分类结果的准确程度也将影响表情分类结
应用前景
表情检测防疲劳驾驶
百度移动部门技术工程师整合百度“表情识别 LBS 百度云”等基础技术，研发出一款提
通过用摄像头实时捕捉驾驶
者的面部表情特征，解析表情背后的人物状态。一旦发现司
，后台技术会做出判断，触发启动
语音播报提示，播放嘹亮音乐为驾驶者提神；发送短信给驾驶者事先设定
请求帮助唤醒或解救（有可能司机的异常状态实为心脏病等突发疾病导致）；
技术获取车主地理位置，以“云推送”方式通知周边车辆注意避让。
面部表情识别的国内外研究情况
表情识别具有较大的难度，因此，与其它生物识别技术如指纹识
因此国内外很多研究机构及学者致力于这方面的研究，并己经取得了一
---人脸运动编码系统FACS (Facial Action Coding
，根据面部肌肉的类型和运动特征定义了基本形变单元AU（Action Unit），人脸面
AU上来，分析表情特征信息，就是分析面部AU的变
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，
目前存在的难点和问题
基于Ekinan分类的六种基本表情和中性表情不足以描述人类复杂多变的真实表情，
多特征融合和多分类器融合的方法也是改善识别性能的一个手段。
由于人脸为非刚体性，人脸之间的相似性以及各种变化因素的影响，准确的人脸识
为了满足自动人脸识别技术具有实时要求，在必要时需要研究人脸与指纹、虹
(4) 3D形变模型可以处理多种变化因素，具有很好的发展前景。已有研究也表明，对各
三维人脸识别算法的选取还处于探索阶
(5) 已有人脸表情数据库或自建人脸表情数据库往往受约束条件较多，如背景单一、
用计算机来分析识别面部表情是一个非常复杂的问题，准确的人脸表情识别仍然存在
张一鸣。人脸表情识别。辽宁:大连理工大学硕士学位论文，2006，12。
刘芳。应用图像处理技术的人脸表情识别研究。北京:北京科技大学硕士学位论文，2003，
。
王志良，刘芳，王莉。基于计算机视觉的表情识别技术综述[J]。计算机工程，2006一06，
）:231一233。
龚婷。面部表情识别研究。浙江：浙江工业大学硕士学位论文，2009,04。
何良华，邹采荣，包永强，赵力。人脸面部表情识别的研究进展[J]。电路与系统学报
一2，10(l):70一75。
章品正,王征,赵宏玉。面部表情特征抽取的研究进展[J]。计算机工程与应用,2006(9)。
朱明旱，基于流形学习的人脸表情识别研究。中南大学控制科学与工程，2009年11月