頭部姿勢辨識之研究
 
委託單位：國科會
日期：2008年8月至2009年7月

    本計畫將改良隱藏式馬可夫模型之方法，提出連續型馬可夫模型(Continuous Markov Model,CMM)，以加快辨識速度，並將發展自動化表情辨識系統，從人臉偵測、臉部特徵擷取、臉部表情移動特徵擷取、到臉部表情辨識等整合之技術。首先，在臉部特徵萃取的方法上，我們採用以模型為基礎的方式，因為可以得到維度較小、較精確且較不易受外在因素影響的特徵。但此法的缺點，在於需要用手動標記來建立臉部模型或需要繁雜的前處理程序來得到臉部特徵的位置，因此我們將提出一個方法，應用臉部特徵幾何上的相對關係，和分析隱含臉部特徵特性的灰階資訊、非膚色區塊與邊緣能量，來自動取得臉部特徵位置。此外，臉部表情分類器的選擇上，由於臉部表情是一種時序性動作，因此本計畫將提出一個高效率的連續型馬可夫模型，其與隱藏式馬可夫模型(Hidden Markov Model)之差異在於無隱藏之隨機程序，因此可以更有效率的進行學習與辨識。我們將提出該連續型馬可夫模型的學習演算法與辨識演算法，以達到縮短執行時間、維持高辨識率的效果。