改进朴素贝叶斯算法的人脸表情识别

（东华大学信息科学与技术学院，上海 201620）

0 引言

随着人工智能的飞速发展，人机交互和机器视觉成为研究热点。面部表情识别作为一种新兴的生物特征识别技术，在模式识别和人工智能领域受到关注。生物学家Darwin［1］2003 年就已经对表情开始研究。1972 年，两位美国科学家Ekamn［2］创造性提出将高兴、惊讶、恐惧、悲伤、愤怒、厌恶作为人类6 种基本表情。

目前，人脸特征提取方法有Gabor 滤波器［3］、尺度不变特征转换（SIFT）［4］、梯度直方图（HOG）［5］、线性判别分析（LDA）［6］和局部二值模式（LBP）［7］等。文献［8］将SIFT 特征应用到人脸表情识别，取得78.43% 的识别结果；文献［9］将LBP 与Gabor 两种特征相结合，取得98% 的识别结果。虽然这些特征提取方法识别效果较好，但存在特征提取方法维度大、对光照比较敏感等问题。

在点跟踪法中，经典的ASM 和AAM 广泛应用在人脸表情识别中。胡珍珍［10］采用AAM 算法对人脸关键点建模，使用最小距离分类器对人脸表情进行研究；Cristinacce等［11］提出一种AAM 算法与特征相应成对增强算法相结合的方法，检测鼻尖、嘴角和眼眶等局部区域的边缘特征及特征点；Michel 等［12］在面部标记22 个关键点，通过跟踪22点在各个表情中和中性表情中的位移实现人脸识别。但在面部22 个关键点中，眉毛上面只标记了2 个关键点，并且这2 个关键点只存在于眉头，这些关键点并不能完全表示眉毛的动态变化。为弥补关键点分布不均匀问题，本文通过AAM 算法对人脸进行68 个关键点检测，利用关键点提取人脸几何特征。

提取人脸特征点后，还需使用合适的分类器对特征进行分类。……