人臉識別中 人臉表情識別技術(shù)的應用越來越廣泛
隨著人臉識別技術(shù)的發(fā)展,如今在識別中應用到對人臉的表情進行識別,可以應用在人機交互、安全、機器人制造、醫(yī)療、通信和汽車領(lǐng)域等。那么,暢視智能來告訴你人臉識別技術(shù)的人臉表情識別要如何進行?
圖像獲?。和ㄟ^人臉識別攝像頭等圖像捕捉工具獲取靜態(tài)人臉圖像或動態(tài)圖像序列。
圖像預處理:圖像的大小和灰度的歸一化,頭部姿態(tài)的矯正,圖像分割等。這樣做的目的是為了改善圖像質(zhì)量,消除噪聲,統(tǒng)一圖像灰度值及尺寸,為后序特征提取和分類識別打好基礎(chǔ)
特征提?。簩Ⅻc陣轉(zhuǎn)化成更高級別圖像表述,如形狀、運動、顏色、紋理、空間結(jié)構(gòu)等, 在盡可能保證穩(wěn)定性和識別率的前提下,對眾多的圖像數(shù)據(jù)進行降維處理??梢酝ㄟ^提取幾何特征、統(tǒng)計特征、頻率域特征和運動特征等方法進行特征提取。
1)采用幾何特征進行特征提取,主要是對人臉表情的顯著特征,例如眼睛、眉毛、嘴巴等的位置變化進行定位、測量,并確定其大小、距離、形狀及相互比例等特征,從而進行表情識別。這個方法可與減少輸入數(shù)據(jù)量,但會丟失一些重要的識別和分類信息,使精確性不高 。
2)基于整體統(tǒng)計特征的方法強調(diào)盡可能保留原始人臉表情圖像中的信息,并允許分類器發(fā)現(xiàn)表情圖像中相關(guān)特征,通過對整個人臉表情圖像進行變換獲取特征進行識別??梢酝ㄟ^PCA和ICA。這種提取方法會受到外來因素的干擾,例如光照、角度等,導致識別率下降
3)基于頻率域特征提取,這是將圖像從空間域轉(zhuǎn)換到頻率域提取其特征,主要通過小波變換,能夠通過定義不同的核頻率、帶寬和方向?qū)D像進行多分辨率分析,可以有效提取不同方向的細節(jié)程度的圖像特征,不易直接用在匹配和識別,要ANN 或SVM 分類器結(jié)合使用,提高表情識別的準確率。
4)基于運動特征的提取,這是提取動態(tài)圖像序列的運動特征,是今后研究的重點,主要利用到光流法。光流是指亮度模式引起的表觀運動,是景物中可見點的三維速度矢量在成像平面上的投影,表示景物表面上的點在圖像中位置的瞬時變化,光流場還攜帶有關(guān)運動和結(jié)構(gòu)的豐富信息。其模型是處理運動圖像的有效方法,將運動圖像函數(shù)作為基本函數(shù),根據(jù)圖像強度守恒原理建立光流約束方程,通過求解約束方程,計算運動參數(shù)。這個方法反映了表情變化的實質(zhì),受光照不均性影響較小,但有比較大的計算量。
對于人臉表情的進行識別,在娛樂、人機等領(lǐng)域中帶來更多的人臉識別開發(fā)應用。