设计表情实时识别系统并进行识别试验

系统采用最小二乘法设置识别分类器，对提取出来的特征点进行训练，确定分类器参数。本系统设计识别四种人类表情（平静，悲伤，高兴，惊讶），故设置四组参数，进行分类器训练。

式中，x_i代表提取的特征点的坐标；y_i代表识别为某种表情，四种表情依次对应1、2、3、4；a_i、b_i、c_i、d_i分别为四类识别结果的参数。

应用上述方法设计了表情实时识别系统，并对若干个人分别在不同时间和场景中的表情进行识别试验。在本平台上每秒钟进行一次表情识别，采用每人10min（600张图片）的办法来进行识别效果的统计。统计结果见表10-3。

表10-3 训练人群和非训练人群识别率统计(www.xing528.com)

从识别结果看出，对于参与训练的人来说，识别率明显要高于没有经过训练的人，而对于四种表情的识别结果来看，惊讶的识别率最高，而高兴的识别率最低。

另外，为验证上述算法的普适性，将本系统在CMU人脸表情库（CMU-Pittsburgh AU-coded Face Expression Image Database）上进行了表情识别实验。实验中，随机抽取了10人的面部表情序列，其中8人的表情作为训练样本，其余2人的表情作为测试样本。识别结果与表10-3所列的结果大致相同，表明本系统采用的方法具有普适性。

本系统设计了一个拟合灰度平面，减轻了光照对人脸识别的干扰；采用Canny算子和主动表观模型相结合的方法，提高了特征点定位的精确度，降低了计算复杂度，实现了系统对于实时性的要求。但是本系统还存在系统稳定性不高、对特征点的定位不够详细、分类器设计过于简单的缺点，还有待进一步提高。