隨著人臉識(shí)別技術(shù)的發(fā)展，如今在識(shí)別中應(yīng)用到對(duì)人臉的表情進(jìn)行識(shí)別，可以應(yīng)用在人機(jī)交互、安全、機(jī)器人制造、醫(yī)療、通信和汽車領(lǐng)域等。那么，暢視智能來(lái)告訴你人臉識(shí)別技術(shù)的人臉表情識(shí)別要如何進(jìn)行？

圖像獲取：通過(guò)人臉識(shí)別攝像頭等圖像捕捉工具獲取靜態(tài)人臉圖像或動(dòng)態(tài)圖像序列。

圖像預(yù)處理：圖像的大小和灰度的歸一化，頭部姿態(tài)的矯正，圖像分割等。這樣做的目的是為了改善圖像質(zhì)量，消除噪聲，統(tǒng)一圖像灰度值及尺寸，為后序特征提取和分類識(shí)別打好基礎(chǔ)

特征提取：將點(diǎn)陣轉(zhuǎn)化成更高級(jí)別圖像表述，如形狀、運(yùn)動(dòng)、顏色、紋理、空間結(jié)構(gòu)等， 在盡可能保證穩(wěn)定性和識(shí)別率的前提下，對(duì)眾多的圖像數(shù)據(jù)進(jìn)行降維處理?？梢酝ㄟ^(guò)提取幾何特征、統(tǒng)計(jì)特征、頻率域特征和運(yùn)動(dòng)特征等方法進(jìn)行特征提取。

1）采用幾何特征進(jìn)行特征提取，主要是對(duì)人臉表情的顯著特征，例如眼睛、眉毛、嘴巴等的位置變化進(jìn)行定位、測(cè)量，并確定其大小、距離、形狀及相互比例等特征，從而進(jìn)行表情識(shí)別。這個(gè)方法可與減少輸入數(shù)據(jù)量，但會(huì)丟失一些重要的識(shí)別和分類信息，使精確性不高 。

2）基于整體統(tǒng)計(jì)特征的方法強(qiáng)調(diào)盡可能保留原始人臉表情圖像中的信息，并允許分類器發(fā)現(xiàn)表情圖像中相關(guān)特征，通過(guò)對(duì)整個(gè)人臉表情圖像進(jìn)行變換獲取特征進(jìn)行識(shí)別?？梢酝ㄟ^(guò)PCA和ICA。這種提取方法會(huì)受到外來(lái)因素的干擾，例如光照、角度等，導(dǎo)致識(shí)別率下降

3）基于頻率域特征提取，這是將圖像從空間域轉(zhuǎn)換到頻率域提取其特征，主要通過(guò)小波變換，能夠通過(guò)定義不同的核頻率、帶寬和方向?qū)D像進(jìn)行多分辨率分析，可以有效提取不同方向的細(xì)節(jié)程度的圖像特征，不易直接用在匹配和識(shí)別，要ANN 或SVM 分類器結(jié)合使用，提高表情識(shí)別的準(zhǔn)確率。

4）基于運(yùn)動(dòng)特征的提取，這是提取動(dòng)態(tài)圖像序列的運(yùn)動(dòng)特征，是今后研究的重點(diǎn)，主要利用到光流法。光流是指亮度模式引起的表觀運(yùn)動(dòng)，是景物中可見點(diǎn)的三維速度矢量在成像平面上的投影，表示景物表面上的點(diǎn)在圖像中位置的瞬時(shí)變化，光流場(chǎng)還攜帶有關(guān)運(yùn)動(dòng)和結(jié)構(gòu)的豐富信息。其模型是處理運(yùn)動(dòng)圖像的有效方法，將運(yùn)動(dòng)圖像函數(shù)作為基本函數(shù)，根據(jù)圖像強(qiáng)度守恒原理建立光流約束方程，通過(guò)求解約束方程，計(jì)算運(yùn)動(dòng)參數(shù)。這個(gè)方法反映了表情變化的實(shí)質(zhì)，受光照不均性影響較小，但有比較大的計(jì)算量。

對(duì)于人臉表情的進(jìn)行識(shí)別，在娛樂、人機(jī)等領(lǐng)域中帶來(lái)更多的人臉識(shí)別開發(fā)應(yīng)用。