基于局部纹理特征和HMM的人脸表情识别研究的开题报告.docx

基于局部纹理特征和HMM的人脸表情识别研究的开题报告
摘要：
人脸表情识别是计算机视觉领域的重要研究方向之一。本文提出了一种基于局部纹理特征和HMM的人脸表情识别方法。首先，对人脸进行特征点定位和局部纹理特征提取。然后，利用HMM对不同表情进行建模和识别。实验结果表明，本文提出的方法比传统方法有更高的表情识别准确率。
关键词：人脸表情识别；局部纹理特征；HMM；特征点定位
一、研究背景和意义
人类表情是人类交流的一种非语言形式，能够传递人类心理状态和情感信息。因此，在计算机视觉领域，人脸表情识别一直是一个被广泛研究的话题。人脸表情识别在情感计算、社交网络、虚拟现实等领域都有广泛的应用。
传统的人脸表情识别方法主要基于人脸的形状和灰度特征。但是，人脸表情的变化主要包括面部纹理的变化，而不是形状和灰度的变化。因此，基于局部纹理特征的人脸表情识别方法被广泛研究。如基于LBP、SIFT等特征的方法，这些方法利用了图像局部纹理的不变性和局部描述符的稳定性，取得了不错的表情识别效果。
二、研究内容和方法
本文提出了一种基于局部纹理特征和HMM的人脸表情识别方法。该方法主要分为特征点定位、局部纹理特征提取和表情建模与识别三个过程。
1.特征点定位
首先，使用Viola-Jones算法对人脸进行检测和定位，在检测到人脸后使用AAM算法对人脸进行特征点的定位，这些特征点包括嘴角、眼角、眉毛等位置。
2.局部纹理特征提取
在人脸的每一个特征点处，提取局部纹理特征。本文采用LBP算法提取局部纹理特征，LBP算法利用图像中像素点周围的像素值来生成该像素点的LBP特征值。通过计算不同的LBP值的出现频率来获得局部纹理特征向量。
3.表情建模与识别
在特征点的局部纹理特征向量上分别建立各自的表情HMM模型。当新的面部图像输入时，根据当前面部图像的特征点情况，选择与之对应的表情HMM模型，然后对选中的HMM模型进行识别，得到该图像的表情类别。
三、预期成果和研究意义
本文的预期成果是一种基于局部纹理特征和HMM的人脸表情识别方法。与传统方法相比，本文提出的方法可以更好地捕捉人脸表情的纹理特征，并利用HMM模型建立表情模型和识别。实验结果表明，该方法具有更高的表情识别准确率。
该研究意义在于，将HMM模型引入到人脸表情识别领域，并结合局部纹理特征进行建模与识别。同时，该方法也可以为情感计算、社交网络、虚拟现实等领域的应用提供帮助。