部分内容展示

1.1 研究背景

当前，人工智能理论的研究已经应用于智能搜索、博弈、自然语言处理、机器视觉等多个方面，随着近几年移动互联网的爆发，身份识别的需求也越来越普及，网络银行业务办理、互联网相关业务帐号的注册、校园卡业务办理，甚至各大商场的优惠卡的业务办理，无一例外需要各种身份验证，由于这类身份验证的需求量过大，尤其表现在互联网上各种网络帐号的申请，原始的帐号密码呈现出了很大的弊端，因此寻找一种更简便、快捷、安全的身份验证方式成为了各大高校实验室、研究所、知名互联网研究院等研究机构的研究热点。
人脸表情是人类用来表达内心情感的一种最普遍的非语言方式之一。人脸表情识别技术的目的主要是让计算机能够做到看人的情绪表情状态做出相应的决策，从而营造真正和谐的人机环境。因此，为了促进人与计算机之间可以更智能、和谐的相处和交流，人脸表情识别在过去几十年得到广泛研究，并且成为一个热点。伴随着压缩感知的发展，国内外研究者已经在稀疏表示上进行了广泛的研究，各方面研究也越来越完善。稀疏表示模型已被大量应用在图像处理的许多方面，比如图像压缩、模式识别、信号检测等。
此外，roftei和Adascal itei指出，在人类交流过程中，人脸的表情包含的信息量，相对于对话和肢体语言来说，占据所有信息量的一半以上。这意味着面部表情在人类社会交流中起着决定性作用。表情识别技术可以说是人与计算平台情感交互部分当中不可或缺的一环，也是计算平台情感交互系统的重要组成部分之一。如果计算平台具备面部表情识别功能，这将会在相当大的程度上提高人机交互的体验，促进产品功能多样性的发展，为人与计算平台之间的交互搭建了一座“沟通桥梁”。因此，把表情识别技术应用到实际项目中具有重大的应用价值。

1.2 研究意义

由于国内目前只有哈尔滨工业大学吴伟国教授所研发的H&F  ROBOT- II仿人头像机器人可以识别6种基本表情，并达到80%以上的识别正确率。纵观国内市场，特别在安防巡逻和服务领域，目前仍未出现同类型具有表情识别功能的智能计算产品。虽然我国高校早已对表情识别技术展开相关的研究工作，但大多是基于理论或特定的实验条件下进行，真正能结合产品背景并加以应用的并不多。
因此，这里以Microsoft visual studio 2008为开发平台，结合现实项目需求和表情识别相关理论，使用与平台服务器相关的开发接口和OpenCV视觉开源库，设计并实现一个基于C/S架构的的表情识别系统。以期为未来人工智能实现自然无障碍的情感互动提供一定的理论基础与借鉴价值。
 


OpenCV的全称是Open Source Computer Vision Library，它是Intel公司提出并参与开发的开源跨平台，是一个计算机视觉库，在Linux,  Windows和Mac OS操作系统上都能够运行。
OpenCV的主要模块有:cv, cv}ux, cxcore, highgui(可视化函数库)、ml(机器学习)。OpenCV可以很容易的去处理图像的图像输出输入、内存分配及转换、矩阵运算、线性运算、对多种动态数据结构的支持、基本的图像处理工作、结构分析算法、摄像头定标算法、目标物体的运动分析、可视化及图像的标注等。
因此，OpenCV包含以下特点:开源、代码已经经过优化、可移植性能良好、丰富的API、拥有面向Intel IPP多媒体函数库的接口。

2.2 面部检测技术

面部检测是指机器通过学习训练人类的先验知识建立面部模型，通过对比给定的视频图像序列或静态图像中的特征和面部模型的相似度，得到可能存在面部的一门技术。面部检测需要考虑的因素就很多，包括以下几点:
 (1)面部多样性。不同的人，会拥有差异明显的发色，面型，肤色，五官，这些差别较大的面部特征使得面部检测技术在实际应用中必须对其进行参考。
 (2)面部阴影。由于很多人通常会在带有黑框眼镜，帽子等装饰物品，这些都会使得人的面部出现较大的阴影遮光问题，从而影响面部检测结果。
 (3)面部检测背景。由于面部检测技术在实际使用过程中，需要面临不同检测场景的考验，室内和室外的环境在光线，亮度方面有着极为不同的表现，因而对这些因素加以排除和判定成为其技术实现的一个难点。
 (4)面部识别角度，通常情况下，人们在实际进行拍摄的过程会因为自身姿态以及拍摄设备的因素。导致最终获得的图像只可能是面部的部分图像，从而给检测识别结果带来一定的误差。
 (5)面部真实性。在实际检测时，还需要考虑被检测的面部是否为真是人脸的问题。
此项技术目前已经比较成熟，在众多算法中，依照时间顺序的发展有模板匹配模型、肤色模型、人工神经网络模型、支持向量机模型、AdaBoost模型等。基于模型的优缺点，本文综合了肤色模型不受姿态变化的优势和AdaBoo st模型高准确率的优势进行实时面部检测。

2.2.1 肤色模型

人脸的重要特征之一肤色在YC_bC_r , HIS等彩色空间有较强的聚类特性，特征易于提取。因此可以根据肤色粗略筛选出人脸可能存在的区域，算法简单、速度快，不易受姿态、表情及旋转等影响，具有相对的稳定性。在视频或者彩色图像中，利用肤色特征进行人脸检测预处理，能有效缩小人脸检测的范围，消除背景的影响，减少目标搜索的时间。肤色模型的主要思想是将人脸表情图像中的哪些像素点是肤色及哪些像素点接近于肤色用一种数学方法表示。