人脸面部混合表情识别系统

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。

混合表情的稀疏表达分析

提出了一种混合表情的定量描述方法。基于压缩感知的理论框架,以面部特征点的Gabor小波系数为表情特征对混合表情进行了分析;利用隶属度函数定量表示混合表情中的不同组成。实验结果表明,该方法可以简单有效地表示混合表情中各基本表情的组成。

儿童混合表情识别的发展及与基本表情识别的关系

以193名儿童为被试,采用表情识别范式,考察5岁、6岁及8岁儿童的基本表情识别能力和混合表情识别能力,探讨了儿童在这一年龄段中混合表情识别能力的发展特点,及其与基本表情识别能力之间的关系。研究发现:基本表情识别能力在5岁时已发展良好,混合表情识别能力在8岁时仍需完善,后者是前者的深化,同时还包含对多种表情进行辨认的能力;两种表情识别能力构成了更加完整的表情识别图景。

基于特征流的面部表情运动分析及应用

面部表情的分析与识别,不但在社会生活中具有普遍意义,而且在计算机的情感计算方面也起着有重要作用.关于表情运动特征的分析,有根据人脸面部几何结构特征的变化来分析的,有根据特征脸的概念定义的表情空间来分析的,也有从特征点跟踪的方法或运动模板的角度来分析的.基于人脸面部物理-几何结构模型,提取面部表情特征区域,通过动态图像序列中的光流估计,计算其运动场,进而计算特征流向量,把一组图像序列的运动向量组成运动特征序列,对表情的运动进行分析.该系统作为一个智能体应用到多功能感知机中,作为视频通道输入的一部分来理解人类的体势语言信息.