本書(shū)主要研究了表情識(shí)別系統(tǒng)基本理論、算法設(shè)計(jì)和應(yīng)用。書(shū)中分別以動(dòng)態(tài)人臉表情、微表情、魯棒表情為識(shí)別對(duì)象, 系統(tǒng)介紹了相關(guān)特征提取、分類算法的技術(shù)方法, 并設(shè)計(jì)了一套主動(dòng)視覺(jué)人臉跟蹤與表情識(shí)別系統(tǒng)。
本書(shū)可供從事模式識(shí)別、表情識(shí)別、人臉識(shí)別系統(tǒng)研究的科研人員、相關(guān)專業(yè)的研究生或高年級(jí)本科學(xué)生使用。
讓機(jī)器看懂你的眼神 為讀者提供一本反映當(dāng)前表情識(shí)別系統(tǒng)發(fā)展水平的專業(yè)參考書(shū)籍。
第1 章 緒論 / 1
1.1 人臉表情識(shí)別系統(tǒng)概述 / 1
1.2 基于動(dòng)態(tài)圖像序列的人臉表情識(shí)別的研究情況 / 2
1.3 微表情識(shí)別的研究情況 / 4
1.3.1 微表情識(shí)別的應(yīng)用研究 / 4
1.3.2 微表情表達(dá)的研究 / 4
1.3.3 微表情識(shí)別的算法研究 / 4
1.3.4 微表情數(shù)據(jù)庫(kù)的研究 / 5
1.4 魯棒性人臉表情識(shí)別的研究情況 / 6
1.4.1 面部有遮擋的表情識(shí)別研究現(xiàn)狀 / 7
1.4.2 非均勻光照下的表情識(shí)別研究現(xiàn)狀 / 7
1.4.3 與視角無(wú)關(guān)的表情識(shí)別研究現(xiàn)狀 / 8
1.5 人臉表情識(shí)別相關(guān)資料匯總 / 8
參考文獻(xiàn) / 8
第2 章 人臉檢測(cè)與定位 / 9
2.1 概述 / 9
2.2 基于膚色分割和模板匹配算法的快速人臉檢測(cè) / 10
2.2.1 基于彩色信息的圖像分割 / 10
2.2.2 自適應(yīng)模板匹配 / 12
2.2.3 仿真實(shí)驗(yàn)及結(jié)果分析 / 14
2.3 改進(jìn)Adaboost 算法的人臉檢測(cè) / 15
2.3.1 由擴(kuò)展的Haar-like 特征生成弱分類器 / 16
2.3.2 Adaboost 算法生成強(qiáng)分類器 / 16
2.3.3 級(jí)聯(lián)分類器的生成 / 18
2.3.4 極端學(xué)習(xí)機(jī) / 20
2.3.5 仿真實(shí)驗(yàn)及結(jié)果分析 / 22
參考文獻(xiàn) / 25
第3 章 基于Candide3 模型的人臉表情跟蹤及動(dòng)態(tài)特征提取 / 26
3.1 概述 / 26
3.2 基于Candide3 人臉模型的跟蹤算法研究 / 26
3.2.1 Candide3 人臉模型的研究 / 26
3.2.2 基于Candide3 模型的跟蹤算法研究 / 28
3.3 跟蹤算法改進(jìn) / 33
3.3.1 光照處理 / 33
3.3.2 基于在線表觀模型的跟蹤算法 / 34
3.3.3 模型的自動(dòng)初始化研究 / 34
3.3.4 改進(jìn)算法后跟蹤實(shí)驗(yàn) / 36
3.4 動(dòng)態(tài)特征提取 / 37
3.4.1 特征點(diǎn)的跟蹤 / 37
3.4.2 動(dòng)態(tài)特征提取 / 38
3.4.3 基于k 均值的聚類分析 / 39
參考文獻(xiàn) / 42
第4 章 表情分類的實(shí)現(xiàn) / 44
4.1 概述 / 44
4.2 K 近鄰分類器 / 44
4.2.1 K 近鄰規(guī)則 / 44
4.2.2 K 近鄰分類的距離度量 / 44
4.2.3 基于K 近鄰分類器的分類實(shí)驗(yàn) / 45
4.3 流形學(xué)習(xí) / 46
4.3.1 主成分分析（PCA） / 47
4.3.2 拉普拉斯映射（LE） / 47
4.3.3 基于流形學(xué)習(xí)的降維分類實(shí)驗(yàn) / 48
4.4 支持向量機(jī) / 51
4.4.1 支持向量機(jī)的基本思想 / 51
4.4.2 非線性支持向量機(jī) / 52
4.4.3 基于支持向量機(jī)的分類實(shí)驗(yàn) / 52
4.5 基于Adaboost 的分類研究 / 53
4.5.1 Adaboost 算法 / 53
4.5.2 基于Adaboost 的分類實(shí)驗(yàn) / 54
參考文獻(xiàn) / 55
第5 章 人臉動(dòng)態(tài)序列圖像表情特征提取 / 56
5.1 概述 / 56
5.2 基于主動(dòng)外觀模型的運(yùn)動(dòng)特征提取 / 56
5.2.1 主動(dòng)形狀模型 / 56
5.2.2 幾何特征提取 / 57
5.3 基于Candide3 三維人臉模型的動(dòng)態(tài)特征提取 / 59
5.3.1 Candide3 三維人臉模型 / 59
5.3.2 提取表情運(yùn)動(dòng)參數(shù)特征 / 59
5.4 動(dòng)態(tài)時(shí)間規(guī)整（DTW） / 61
5.5 特征選擇 / 64
5.5.1 基于Fisher 準(zhǔn)則的特征選擇 / 64
5.5.2 基于分布估計(jì)算法的特征選擇 / 65
5.6 仿真實(shí)驗(yàn)及結(jié)果分析 / 67
5.6.1 基于主動(dòng)外觀模型的運(yùn)動(dòng)特征提取 / 67
5.6.2 基于Candide3 模型的動(dòng)態(tài)特征提取 / 69
參考文獻(xiàn) / 72
第6 章 基于子空間分析和改進(jìn)最近鄰分類的表情識(shí)別 / 74
6.1 概述 / 74
6.2 特征降維 / 74
6.2.1 非線性流形學(xué)習(xí)方法 / 74
6.2.2 線性子空間方法 / 76
6.3 改進(jìn)最近鄰分類法 / 81
6.4 仿真實(shí)驗(yàn)及結(jié)果分析 / 84
參考文獻(xiàn) / 85
第7 章 微表情序列圖像預(yù)處理 / 86
7.1 概述 / 86
7.2 灰度歸一化 / 86
7.3 尺度歸一化 / 88
7.4 序列長(zhǎng)度歸一化 / 89
7.4.1 時(shí)間插值法原理 / 90
7.4.2 時(shí)間插值法建模 / 91
7.4.3 時(shí)間插值法實(shí)現(xiàn) / 93
參考文獻(xiàn) / 95
第8 章 基于多尺度LBP-TOP 的微表情特征提取 / 97
8.1 概述 / 97
8.2 多尺度分析 / 97
8.2.1 平滑濾波 / 97
8.2.2 高斯微分 / 99
8.3 局部二值模式 / 101
8.3.1 原始LBP / 101
8.3.2 改進(jìn)LBP / 102
8.3.3 降維 / 103
8.3.4 靜態(tài)特征統(tǒng)計(jì) / 105
8.4 時(shí)空局部二值模式 / 106
8.4.1 LBP-TOP / 107
8.4.2 動(dòng)態(tài)特征統(tǒng)計(jì) / 109
8.5 多尺度LBP-TOP / 112
參考文獻(xiàn) / 114
第9 章 基于全局光流與LBP-TOP 特征結(jié)合的微表情特征提取 / 115
9.1 概述 / 115
9.2 相關(guān)理論 / 115
9.2.1 運(yùn)動(dòng)場(chǎng)及光流場(chǎng) / 115
9.2.2 經(jīng)典計(jì)算方法 / 116
9.3 問(wèn)題描述 / 117
9.3.1 約束條件 / 117
9.3.2 模型構(gòu)建 / 119
9.4 算法實(shí)現(xiàn) / 120
9.4.1 目標(biāo)優(yōu)化 / 120
9.4.2 多分辨率策略 / 122
9.4.3 特征統(tǒng)計(jì) / 124
9.5 光流與LBP-TOP 特征結(jié)合 / 128
參考文獻(xiàn) / 129
第10 章 人臉微表情分類器設(shè)計(jì)及實(shí)驗(yàn)分析 / 131
10.1 概述 / 131
10.2 支持向量機(jī) / 131
10.2.1 分類原理 / 131
10.2.2 樣本空間 / 132
10.2.3 模型參數(shù)優(yōu)化 / 135
10.3 隨機(jī)森林 / 136
10.3.1 集成學(xué)習(xí) / 137
10.3.2 決策樹(shù) / 137
10.3.3 組合分類模型 / 139
10.4 評(píng)價(jià)準(zhǔn)則 / 141
10.5 實(shí)驗(yàn)對(duì)比驗(yàn)證 / 143
10.5.1 識(shí)別LBP-TOP 特征 / 143
10.5.2 識(shí)別GDLBP-TOP 特征 / 146
10.5.3 識(shí)別OF 特征 / 147
10.5.4 識(shí)別LBP-TOP＋OF 特征 / 149
參考文獻(xiàn) / 153
第11 章 基于Gabor 多方向特征融合與分塊直方圖的表情特征提取 / 155
11.1 概述 / 155
11.2 人臉表情圖像的Gabor 特征表征 / 156
11.2.1 二維Gabor 濾波器 / 156
11.2.2 人臉表情圖像的Gabor 特征表征 / 157
11.3 二維Gabor 小波多方向特征融合 / 159
11.3.1 融合規(guī)則1 / 159
11.3.2 融合規(guī)則2 / 160
11.4 分塊直方圖特征選擇 / 161
11.5 基于Gabor 特征融合與分塊直方圖統(tǒng)計(jì)的特征提取 / 162
11.6 算法可行性分析 / 163
11.7 實(shí)驗(yàn)描述及結(jié)果分析 / 164
11.7.1 實(shí)驗(yàn)流程 / 164
11.7.2 表情圖庫(kù)中圖像預(yù)處理 / 165
11.7.3 實(shí)驗(yàn)描述 / 166
11.7.4 實(shí)驗(yàn)結(jié)果分析 / 167
11.7.5 所選融合特征的尺度分析 / 169
參考文獻(xiàn) / 170
第12 章 基于對(duì)稱雙線性模型的光照魯棒性人臉表情分析 / 172
12.1 概述 / 172
12.2 雙線性模型 / 174
12.3 基于對(duì)稱雙線性變換的表情圖像處理 / 175
12.4 光照變換 / 178
12.5 實(shí)驗(yàn)描述及結(jié)果分析 / 181
12.5.1 實(shí)驗(yàn)描述 / 181
12.5.2 實(shí)驗(yàn)對(duì)比 / 182
參考文獻(xiàn) / 185
第13 章 基于局部特征徑向編碼的局部遮擋表情特征提取 / 187
13.1 概述 / 187
13.2 表情圖像預(yù)處理 / 188
13.3 局部特征提取與表征 / 190
13.4 Gabor 特征徑向編碼 / 190
13.5 算法可行性分析 / 193
13.6 實(shí)驗(yàn)描述及結(jié)果分析 / 193
13.6.1 局部子塊數(shù)對(duì)識(shí)別結(jié)果的影響 / 195
13.6.2 徑向網(wǎng)格尺寸對(duì)識(shí)別結(jié)果的影響 / 195
13.6.3 左/右人臉區(qū)域遮擋對(duì)識(shí)別結(jié)果的影響 / 196
13.6.4 不同局部特征編碼方法的實(shí)驗(yàn)對(duì)比分析 / 196
13.6.5 遮擋對(duì)于表情識(shí)別的影響 / 197
參考文獻(xiàn) / 198
第14 章 局部累加核支持向量機(jī)分類器 / 201
14.1 概述 / 201
14.2 支持向量機(jī)基本理論 / 202
14.2.1 廣義最優(yōu)分類面 / 202
14.2.2 線性分類問(wèn)題 / 203
14.2.3 支持向量機(jī) / 205
14.2.4 核函數(shù) / 206
14.3 局部徑向基累加核支持向量機(jī) / 206
14.4 局部歸一化線性累加核支持向量機(jī) / 207
14.5 實(shí)驗(yàn)描述及結(jié)果分析 / 209
14.5.1 實(shí)驗(yàn)描述 / 209
14.5.2 對(duì)比實(shí)驗(yàn) / 210
參考文獻(xiàn) / 213
第15 章 基于主動(dòng)視覺(jué)的人臉跟蹤與表情識(shí)別系統(tǒng) / 214
15.1 概述 / 214
15.2 系統(tǒng)架構(gòu) / 214
15.2.1 硬件設(shè)計(jì) / 214
15.2.2 交互界面的設(shè)計(jì) / 217
15.3 相關(guān)算法 / 218
15.3.1 云臺(tái)跟蹤算法 / 218
15.3.2 表情識(shí)別算法 / 220
15.4 仿真實(shí)驗(yàn)及結(jié)果分析 / 221
15.4.1 人臉定位跟蹤實(shí)驗(yàn) / 221
15.4.2 人臉表情識(shí)別實(shí)驗(yàn) / 224
參考文獻(xiàn) / 227
索引 / 229
新書(shū)資訊