應用於人臉表情辨識之強健式主動外觀模型搜尋演算法

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：16

、訪客IP：18.118.7.85

姓名

林泳鋒(Yong-Fong Lin) 查詢紙本館藏

畢業系所

通訊工程學系

論文名稱

應用於人臉表情辨識之強健式主動外觀模型搜尋演算法
(A Robust Active Appearance Models Search Algorithm for Facial Expression Recognition)

相關論文

★ 應用於車內視訊之光線適應性視訊壓縮編碼器設計	★ 以粒子濾波法為基礎之改良式頭部追蹤系統
★ 應用於空間與CGS可調性視訊編碼器之快速模式決策演算法	★ 結合Epipolar Geometry為基礎之視角間預測與快速畫面間預測方向決策之多視角視訊編碼
★ 基於改良式可信度傳遞於同質區域之立體視覺匹配演算法	★ 以階層式Boosting演算法為基礎之棒球軌跡辨識
★ 多視角視訊編碼之快速參考畫面方向決策	★ 以線上統計為基礎應用於CGS可調式編碼器之快速模式決策
★ 適用於唇形辨識之改良式主動形狀模型匹配演算法	★ 以運動補償模型為基礎之移動式平台物件追蹤
★ 基於匹配代價之非對稱式立體匹配遮蔽偵測	★ 以動量為基礎之快速多視角視訊編碼模式決策
★ 應用於地點影像辨識之快速局部L-SVMs群體分類器	★ 以高品質合成視角為導向之快速深度視訊編碼模式決策
★ 以運動補償模型為基礎之移動式相機多物件追蹤	★ 基於匹配代價曲線特徵之遮蔽偵測之研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

主動外觀模型(Active Appearance Models，簡稱AAMs)是一種表示影像中在形狀與紋理都具變異性之非剛體物件的方法，並提供此物件一個模型化(Model-based)的表示方式。它利用一個平均值和一組模式(modes)的線性組合，來表示欲分析的非剛體物件，並且藉由改變模型中模的線性組合之係數(或稱模型參數)，可使模型合成出各種變異的非剛體物件。因此，透過AAMs這種表示法，我們便可用模型化的方式，表示人臉的表情。以AAMs進行人臉表情辨識的應用，需要可找到最佳模型參數的搜尋演算法(AAMs search algorithm)，使得模型在這組參數下所合成出的表情，能夠近似於影像中的人臉表情。如此，我們便可透過分析模型參數的方式，進行人臉表情辨識。
本論文提出一個疊代式AAMs參數搜尋演算法，以傳統的AAMs參數搜尋演算法為基礎，將量測模型與測試影像之誤差函數最小化，只採用該方法所搜尋之參數變化量的大小，在參數搜尋的方向上，我們估測每個疊代下誤差函數的梯度，以決定參數的搜尋方向。本論文更進一步提出，將搜尋到之參數做一個微小的擾動，以防止搜尋的結果掉入誤差函數之局部最小值中。
實驗結果顯示，本論文所提出之強健式主動外觀模型搜尋演算法，相較於傳統的尋演算法，平均降低人臉表情形狀的位置搜尋誤差36.41%。在人臉表情紋理的搜尋上，則平均減少30.82%的灰階值誤差。

摘要(英)

Active Appearance Models (AAMs) is an image representation method for non-rigid visual object with both shape and texture variations. It is a model-based representation method, and it uses a mean vector and a linear combinations of a set of variation modes to represent a non-rigid object. By adjusting the coefficients of the linear combinations of the variation modes(model parameters), we can synthesize any non-rigid objects. With this, we can express facial expressions using a model-based approach. For the facial expression recognition, an AAMs search algorithm is required to find the optimum model parameters such that the synthesized expression is similar to the facial expression in images. In this paper, we propose a novel iterative AAMs search algorithm. It minimizes the error which measures the difference between a model and a test image. We only adopt the magnitude of the predicted change of the parameters from the traditional search algorithm. However we decide the direction of the change of the parameters by estimating the gradient of the error function at each iteration. Moreover we prevent the local minimum search of the error function at each iteration by disturbing the searched parameters.
Our experiments show that the proposed robust AAMs search algorithm reduced 36.41% location error of shape and 30.82% intensity error of texture of facial expressions related to the AAMs search algorithm.

關鍵字(中)

★ 主動外觀模型搜尋
★ 主動外觀模型
★ 紋理
★ 形狀

關鍵字(英)

★ active appearance models
★ texture
★ shape
★ AAMs search

論文目次

摘要 I
ABSTRACT II
誌謝 III
目錄 IV
圖目錄 VII
第一章緒論 1
1.1 前言 1
1.2 研究動機 1
1.3 研究方法 2
1.4 論文架構 2
第二章臉部表情辨識簡介 3
2.1 臉部表情辨識 3
2.2 臉部表情辨識系統分類 4
2.2.1 以影像為基礎之表情辨識系統 5
2.2.2 以運動為基礎之表情辨識系統 7
2.2.3 以模型為基礎之表情辨識系統 8
2.3 總結 10
第三章主動外觀模型 11
3.1 主動外觀模型應用 11
3.2 主成份分析(PRINCIPLE COMPONENT ANALYSIS) 11
3.3 應用於臉部表情辨識系統之主動外觀模型 14
3.3.1 基於主成份分析之臉部表情形狀模型 14
3.3.1.1 臉部表情形狀捕捉 14
3.3.1.2 建立臉部表情形狀模型 18
3.3.1.3 臉部表情形狀之重建 20
3.3.2 臉部表情紋理模型 22
3.3.2.1 臉部表情紋理捕捉 22
3.3.2.2 建立臉部表情紋理模型 24
3.3.2.3 臉部表情紋理重建 25
3.3.3 合併式主動外觀模型 27
3.3.3.1 建立合併式主動外觀模型 28
3.3.3.2 臉部表情外觀重建 30
3.4 以主動外觀模型為基礎之臉部表情辨識系統 31
3.5 總結 33
第四章強健式主動外觀模型搜尋演算法 34
4.1 主動外觀模型搜尋演算法 34
4.1.1 影像誤差模型化 35
4.1.2 疊代式搜尋演算法 38
4.2 本論文提出之強健式主動外觀模型搜尋演算法 40
4.2.1 多重姿勢搜尋機制 40
4.2.2 參數搜尋方向估測 41
4.2.3 局部最小值之預防 43
4.2.4 強健式主動外觀模型搜尋演算法之搜尋流程 44
4.3 總結 45
第五章實驗結果 46
5.1 實驗相關設定 46
5.1.1 實驗環境摸擬 46
5.1.2 人臉表情資料庫 46
5.1.3 參數設定 47
5.2 系統效能評估 47
5.2.1 多重姿勢搜尋效能 48
5.2.2 參數搜尋方向估測之效能 53
5.2.3 強健式主動外觀模型搜尋演算法之效能 55
5.3 總結 61
第六章結論與未來展望 63
6.1 結論 63
6.2 未來展望 63
參考文獻 64
PUBLICATION 66

參考文獻

[1] T.F Cootes, G. J. Edwards, and C. J. Taylor, “Active appearance models,” In Proc. 5th European Conference on Computer Vision, Vol. 2, pp 484-498, 1998.
[2] T. Cootes, G. Edwards, and C. Taylor, “Active Appearance Models,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 23, no. 6, pp.681 -685 , 2001.
[3] G. Edwards, C. Taylor, and T. Cootes, “Interpreting face images using active appearance models,” In Proc. IEEE Int’l Conf. Automatic Face and Gesture Recognittion, pp. 300-305, 1998.
[4] S. C. Mitchell, J. G. Bosch, B. P. F. Lelieveldt, R. J. van der Geest, J. H. C. Reiber, and M. Sonka, “3-D active appearance models : Segmentation of cardiac MR and ultrasound images,” IEEE Trans. Medical Imaging, Vol. 21, no. 9, pp.1167-1178, 2002.
[5] Simon Lucey, Iain Mattews, Chango Hu, Zara Ambadar, Fernando de la Torre, and Jeffry Chon, “AAM Derived Face Representations for Robust Facial Action Recognition,” International Conference on Automatic Face and Gesture Recognition, pp.155-160, 2006.
[6] M. B. Stegmann, ” Object tracking using active appearance models,” in Proc. 10th Danish Conf. Pattern Recognition and Image Analysis, Vol.1, pp. 54–60, 2001 .
[7] Cootes, T.F., Edwards, G., and Taylor, C.J. ”A comparative evaluation of active appearance model algorithms,” In P. Lewis and M. Nixon, editors, 9th British Machine Vison Conference, Vol. 2. pp. 680-689, 1998.
[8] Theobald, Barry-John, Matthews, I., and Baker, S. ”Evaluating error functions for robust active appearance models,” In Proc. International Conf. Automatic Face and Gesture Recognition. pp. 149-154, 2006.
[9] B. Fasel and J. Luettin, “Automatic facial expression analysis : a survey,” Pattern Recognition ,Vol. 36, pp. 259-275, 2003.
[10] Padgett, C. and Cottrell, G. W. “Representing face images for emotion classification,” Advances in Neural Information Processing Systems, M. Mozer, M. Jordan, and T. Petsche, eds., Vol 9, pp 894-807, Cambridge, MA. MIT Press, 1997
[11] R.O. Duda, P.E. Hart, and D.G. Stork, “Pattern Classification,” Wiley-Interscience, Second Edition,pp. 114-117, 2001.
[12] W. Fellenz, J. Taylor, N. Tsapatsoulis, S. Kollias, “Comparing Template-based, feature-based and supervised classification of facial expressions form static images,” In Proceedings of Circuits, Systems, Communications and Computers , pp. 5331-5336, 1999
[13] J. Lien, “Automatic recognition of facial expression using hidden Markov models and estimation of expression intensity,” Ph.D. Thesis, The Robotics Institute, CMU, 1998.
[14] Wu, Y. T., Kanade, T., Cohn, J.F., and Li, C.C., “Optical flow estimation using wavelet motion model,” IEEE International Conference on Computer Vision, pp.992-998, 1998.
[15] C. Huang, Y, Huang, ” Facial expression recognition using model-based feature extraction and action parameters classification,” Journal of Visual Communication and Image Representation, Vol.8 ,no. 3, pp.278-290, 1997.
[16] T.F. Cootes, C.J. Taylor, D. Cooper, and J. Graham, “Active Shape Models – Their Training and Application,” Computer Vision and Image Understanding, Vol. 61, no. 1, pp. 38-59, 1995.
[17] I. Matthews and S. Baker, “Active Appearance Models revisited,” International Journal of Computer Vision, Vol.60, no. 2, pp. 135-164, 2004.
[18] R. A. Johnson and D. W. Wichern, ”Multivariate Statistics, A Practical Approach,” Chapman & Hall, 1988.
[19] T. Kanade, J. Cohn, and Y. Tian, ”Comprehensive Database for Facial Expression Analysis,” IEEE Intelnational Conference on Automatic Face and Gesture Recognition,. Grenoble, France. 2000.
[20] 陳章毅 : 一種以Delaunay三角網為基礎之階層式空間群集演算法, 逢甲大學,碩士論文, 民國94年.
[21] Yui Man Lui, J.R. Beveridge, A.E. Howe, L.D. Whitley, “Evolution strategies for matching active appearance models to human faces,” IEEE International Conference on Biometrics: Theory, Applications, and Systems, pp.1-7, 2007.
[22] T. Kanade and J. F. Cohn, Automatic Face Analysis, http://www-2.cs.cmu.edu/~face/, July. 2008.

指導教授

唐之瑋(Chih-Wei Tang)

審核日期

2008-7-21

推文