Abstract
在影像傳輸過程中，我們可能需要對影像作壓縮。尤其是在視訊會議或視訊電話中，我們可以運用的頻寬有限，因此更要達到非常高的壓縮率。在一般對話中，針對嘴巴及眼睛作額外的處理可以得到不錯的效果，但是一旦表情有所變化，這方法可能會失效。如果我們能夠得到表情變化的結果，直接將結果傳輸到遠端，再利用影像合成的技術，我們就可以得到非常高的壓縮率。對人類而言，判斷表情變化是非常直接的。但是對電腦來說，判斷表情則是非常不容易的一件事。我們的系統提出了下面的方法來達到表情辨識的目的，並且得到不錯的結果。本系統包括兩部分，第一部分的目的為臉部特徵抓取，第二部分的目的則為臉部表情辨識。在第一部分我們主要運用了適應模型的技術來調整變形量。適應模型的好處為可以控制變形的範圍，因此我們可以正確的找到臉部的特徵。而在作變形之前，我們需要找尋最佳匹配點。我們利用灰階模型及嘴部模型來找尋最佳匹配點。灰階模型利用了同一特徵點其灰階有一定相似性的特性，來找最佳匹配點，但是嘴部的特殊灰階分布使得利用灰階模型並不適用，因此我們提出另一個嘴部模型來抓取嘴部特徵。在第二部分中我們以第一部分所抓取的特徵為基礎來做辨識。首先我們找出Ekman所定義活動單元 (ActionUnits AUs)中與表情動作有關者，接著我們再從其中萃取一些可以由第一部分得到的特徵當作辨識的參數，我們稱這些參數為活動參數。對於每一個表情特徵，我們都可以找到一組活動參數。我們接著利用主成份分析(principal component analysis)來減少活動參數的個數，並同時對每個表情作訓練分析，我們就利用這些分析結果來作表情辨識。