２０１ ６年第１ ５卷第１ ３期 面部表情识别方法研究综述 口宫玉娇 【内容摘要】表情识别作为人机交互技术的一个关键技术成为研究热点，本文概述了国内外表情识别技术研究的主要方法，分 别从特征提取和分类识别两个关键技术部分的方法研究进行阐述。 【关键词】表情识别；特征提取；分类识别 【作者单位】宫玉娇，成都东软学院 一、引言 达到８６％的识别率。Ｚｈａｎｇ等人在较早工作中利用３４个面 目前人脸识别技术已经在现实应用中得到普及，但面部 部特征点表示人脸。Ｖａｌｓｔａｒ等人提取连续微笑人脸的几何 表情识别技术的研究还在进行中。人脸表情识别是人工心 特征，用核方法和集成学习方法结合分类。 理理论和人工情感研究的组成部分，同时也是智能化人机交 （三）基于几何与表观特征的融合方法。基于几何与表 互技术中的重要研究对象。心理学家拉塞尔（Ｊ．Ａ．Ｒｕｓｓｅｌ１） 观特征的融合方法即将提取的几何特征与表观特征结合作 曾经发现：在人们的日常交流中，通过语言传递的信息其实 为表情分类数据集的输入。Ｘｕｄｏｎｇ Ｘｉｅ和Ｋｉｎ—Ｍａｎ Ｌａｍ利 只有７％，大约５５％的信息都是用面部表情传递的。人脸表 用图像边缘映射作为形状信息，用小波变换和像素梯度方向 情识别就是利用计算机对人脸的表情信息进行特征提取并 描述纹理信息，在ＡＲ数据库和Ｙａｌｅ数据库获得了９４．５％和 分类的过程，它使计算机能获知人的表情信息，进而推断人 ９４．７％的识别率。Ｙｏｕｓｓｉｆ和Ａｓｋｅｒ提取面部关键特征点作为 的心理状态，从而实现人机之间的智能交互。近年来，国内 几何信息，将边缘方向直方图作为表观信息，利用ＲＢＦ神经 外的专家学者在表情识别领域尝试利用不同的方法，以期望 网络在ＣＫ数据库识别六种表情达到９３．５％。Ｌｕｃｅｙ等人利 得到良好的识别率，目前研究方法大都基于二维面部特征。 用主动表观模型（ＡＡＭ）方法提取几何特征，结合归一化的表 表情识别研究的两个重要组成部分是：特征提取和分类识 观特征，用ＳＶＭ在ＣＫ＋数据库中进行实验测试，结果表明， 别，因此人们采用多种多样的方法，都在致力于这两个关键 融合特征方法的识别率优于单一特征方法。 技术的提高。本文拟从这两部分概述表情识别技术研究的 三、分类识别方法研究现状 现状。 目前表情分类识别按照心理学上的基本表情分为七种： 二、特征提取方法研究现状 “生气”、“厌恶”、“恐惧”、“高兴”、“悲伤”、“惊讶”，后来又 当前人们对于图像的特征提取方法大致可分为三种：基 增加“轻视”。文献中对于动态表情分类常用隐马尔可夫模 于表观特征方法，基于几何特征方法，基于几何与表观特征 型分类，静态表情分类的常用方法有人工神经网络、支持向 融合的方法。 量机等。 （一）基于表现特征的方法。基于表观特征的方法是关 （一）隐马尔科夫模型。隐马尔科夫模型（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ 注因表情变化引起的皮肤运动和纹理改变，依据这种表观变 Ｍｏｄｅｌ，ＨＭＭ）具有强大的动态时间序列建模能力，因此在处 化来判别不同的表情。例如Ｂａｒｔｌｅｔｔ等人将人脸用部分Ｇａｂｏｒ 理时间序列问题上得到广泛的关注，近年来被用来表情识别 滤波器处理后用ＳＶＭ分类，能够在连续变化的表情中检测出 分类，Ｓａｋａｇｕｃｈｉ等首先将其应用在表情识别中，Ｌｉｔｔｌｅｗｏｒｔ等 面部动作编码系统中定义的面部动作单元。目前局部二进 提出了一种多层ＨＭＭ分类器，可以从长时间视频序列中自 制模式ＬＢＰ（Ｌｏｃａｌ Ｂｉｎａｒｙ Ｐａｔｔｅｒｎｓ）凭借对光照变化的稳健性 动分割和识别面部表情。 而被用来表示人脸的表观特征。Ｙｉｎｇ等人将表情图像的 （二）人工神经网络。在基于神经网络（ｎｅｕｒｌａ ｎｅｔｗｏｒｋ， ＬＢＰ特征结合稀疏表示的算法思想进行分类，提出此方法要 ＮＮ）的分析方法中，将面部表情图像的特征坐标位置及其灰 优于ＰＣＡ和ＬＤＡ算法。Ｓｈａｎ等人进一步提出利用Ｂｏｏｓｔｅｄ 度信息通过网络“学习”来分类。Ｓｕｚｕｋｉ和Ｙａｍａｄａ使用改进 —ＬＢＰ特征表示人脸表情特征，结合ＳＶＭ得到了良好的表情 的神经网络模型来分析人脸表情图像，其中他们的模型是基 分类结果。 于相似性的多层观测器。 （二）基于几何特征的方法。基于几何特征的方法是将 （三）支持向量机ＳＶＭ。支持向量机ＳＶＭ（ＳｕｐｐｏｒｔＶｅｃｔｏｒ 人脸中关键点（如眼角、嘴角等）或人脸关键器官的几何信息 Ｍａｃｈｉｎｅ）作为一个有监督的学习模型，在解决小样本、非线性 作为特征来区分不同的表情。例如Ｐａｎｔｉｃ和Ｒｏｔｈｋｒａｎｚ提取 及高维识别问题中具有明显的优势和较好的分类推广能力。 人脸剖面和人脸器官（眼睛、嘴巴等）的轮廓，并依据轮廓进 近几年成为表情识别分类的主流方法，一些研究也证明其在 行特征点采样，用基于规则的分类方法识别３２个人的表情， 该领域的优越性。Ｆａｉｓｌａ Ａｈｍｅｄ等用复合局部二值模式方 Ｉｎｄｕｓｔｒｉａｌ＆Ｓｃｉｅｎｃｅ Ｔｒｉｂｕｎｅ ２０１ ６年第１ ５卷第１ ３期 基于多组分反应吲哚官能团化的研究进展 口马 纯钱施凯李航丁恩华 吴 琼 【内容摘要】吲哚衍生物作为一类重要的天然产物及人工合成分子，具有广泛的生物活性，多组分反应具有原子经济性高、合成 效率高、环境友好等优点，因此基于多组分反应实现吲哚的官能团化合成结构多样性的新型吲哚衍生物一直是有 机化学３－作者的研究热点。本文主要综述了近年来基于多组分反应吲哚官能团化的研究进展。 【关键词】吲哚衍生物；多组分反应；官能团化 【基金项目】本文为２０１５年徐州工程学院大学生创新创业训练计划项目“新型吲哚螺环类药物的设计、合成及应用研究”（编号： ＸＣＸ２０１５１０１）和２０１２年校级青年项目“新型噻唑并嘧啶类药物的设计与合成”（编号：ＸＫＹ２０１２３０６）研究成果。 【作者单位】马纯，钱施凯，李航，丁恩华；徐州工程学院化学化工学院 【通讯作者】吴琼，徐州工程学院化学化工学院 吲哚衍生物广泛存在于自然界中，大多具有显著的生物 杂叼ｌ哚类生物碱的中问体（图１）。 活性。众多研究显示，许多天然或人工合成的吲哚衍生物在 ２０００年，Ｎｅｍｅｓ课题组 发现Ｙｏｎｅｍｉｔｓｕ产物５还可以 医药或农药领域均有广泛应用…。多组分反应（Ｍｕｌｔｉｃｏｍｐｏ— 在叔丁醇作用下水解成半酸酯６，接着在叠氮磷酸二苯酯 ｎｅｎｔ Ｒｅａｃｔｉｏｎｓ，ＭＣＲｓ）是三种或三种以上的反应原料通过一 （ＤＰＰＡ）的作用下，生成相应的酰基叠氮中间体７，中间体７ 步反应会聚式地得到主产物。与传统的多步反应相比，多组 经过经典的柯提斯重排得到异氰酸酯８，异氰酸酯８可以通 分反应具有原子经济性高、合成效率高和环境友好等诸多优 过和苄醇发生加成反应高产率地生成氨基甲酸酯９。氨基甲 点，可以满足理想有机合成的许多要求 。因此，通过多组 酸酯９可以通过催化加氢脱苄基生成氨基酸酯ｌ０，进而通过 分反应实现吲哚的官能团化合成新型吲哚衍生物已成为当 和环己酮发生Ｐｉｃｔｅｔ—Ｓｐｅｎｇｌｅｒ环化反应得到顺、反式四氢化 前有机化学工作者的一个研究热点。本文对近年来利用多 咔啉衍生物１１（图２）。 组分反应实现吲哚官能团化的相关研究工作进行概述。 ２００５年，Ｓａｂｉｔｈａ课题组 报道了以吲哚１。麦氏酸３和 一、基于多组分反应吲哚官能团化的研究进展 糖醛１２三组分为原料在脯氨酸催化下，高产率地合成了环 １９７８年，Ｙｏｎｅｍｉｔｓｕ课题组 首次报道了吲哚１、醛２和 化产物７一（１Ｈ一３一吲哚基）一２，３一二甲氧基四氢呋喃并 麦氏酸３参与的三组分反应，实现了吲哚的三位官能团化， ［３，２一ｂ］吡喃一５一酮衍生物１３。如他们预期所想，当使用 生成的吲哚三位官能团化产物４可以继续发生脱羧醇解生 邻位保护的糖时，可以分离出非环化产物１４。该反应对于手 成乙基三取代吲哚基丙酸酯衍生物５，产物５常用于合成复 性糖衍生的醛也具有很好的适用性，可以取得较高的产率及 法，对ＣＫ库和ＪＡＦＦＥＥ库图像特征描述，用ＳＶＭ方法表情分 ［１］Ｙｉｎｇ，Ｚ．，Ｗａｎｇ，Ｚ．，ａｎｄ Ｈｕａｎｇ，Ｍ．２０１０．Ａｄｗｍｃｅｄ ｉｎ— 析，识别率达９０．５％和８６．５％。Ｋｏｔｓｉａ和Ｐｉｔａｓ在其文中根据 ｔｅｌｌｉｇｅｎｔ ｃｏｍｐｕｔｉｎｇ ｔｈｅｏｒｉｅｓ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ．Ｗｉｔｈ Ａｓｐｅｃｔｓ ｏｆ 表情的运动和变形特征，使用多分类支持向量机（ＳＶＭ）方法 Ａｒｔｉｉｆｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ［Ｊ］．Ｌｅｃｔｕｒｅ Ｎｏｔｅｓ ｉｎ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ， 对ＣＫ库的图像六种基本表情和部分ＦＡＣＳ进行识别，分别 ２０１０：４５７—４６４ 获得９９．７％和９５．１％的识别率。 ［２］Ｐａｎｔｉｃ，Ｍ．，Ｌｅｏｎ，Ｊ．，ａｎｄ Ｒｏｔｈｋｒａｎｔｚ，Ｍ．２００４．Ｆａｃｉａｌ 四、结语 ａｃｔｉｏｎ ｒｅｃｏｇｎｉｔｉｏｎ ｆｏｒ ｆａｃｉａｌ ｅｘｐｒｅｓｓｉｏｎ ａｎａｌｙｓｉｓ ｆｒｏｍ ｓｔａｔｉｃ ｆａｃｅ 虽然研究者们已经提出诸多特征提取和分类识别方法， ｉｍａｇｅｓ［Ｃ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｙｓｔｅｍｓ，Ｍａｎ，ａｎｄ Ｃｙｂｅｒｎｅｔ— 并且通过某些方法取得了较高的识别率，但要实现一套高精 ｉｃｓ，Ｐａｒｔ Ｂ：Ｃｙｂｅｒｎｅｔｉｃｓ，２００４：１４４９～１４６０ 度的实时自动表情识别系统还面临着一些难点和问题：一是 ［３］Ｘｕｄｏｎｇ Ｘｉｅ，Ｋｉｎ—Ｍａｎ Ｌａｍ．Ｆａｃｉｌａ ｅｘｐｒｅｓｓｉｏｎ ｒｅｃｏｇｎｉｔｉｏｎ 提高鲁棒性，人脸为非刚体性，外界因素（如光照、姿态的变 ｂａｓｅｄ ｏｎ ｓｈａｐｅ ａｎｄ ｔｅｘｔｕｒｅ［Ｊ］．Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ，２００９：１００３ 化）及人脸之间的相似性会影响准确率。二是人脸表情的复 ～１０１１ 杂性，人的表情多样且细微，目前的几种分类不足以描述人 ［４］Ｆ．Ａｈｍｅｄ，Ｈ．Ｂａｒｉ，ａｎｄ Ｅ．Ｈｏｓｓａｉｎ．Ｐｅｒｓｏｎ—ｉｎｄｅｐｅｎｄｅｎｔ 类的多变表情。三是降低计算量，高维特征数量会增加计算 ｆａｃｉａｌ ｅｘｐｒｅｓｓｉｏｎ ｒｅｃｏｇｎｉｔｉｏｎ ｂａｓｅｄ ｏｎ Ｃｏｍｐｏｕｎｄ Ｌｏｃａｌ Ｂｉｎａｒｙ 机的计算量，难以符合系统实时性的要求。 Ｐａｔｔｅｒｎ（ＣＬＢＰ）［Ｊ］．Ｉｎｔｅｎｒａｔｉｏｎａｌ Ａｒａｂ Ｊｏｕｒｎａｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ，２０１３，１１（２） 【参考文献】 ·５８· Ｉｎｄｕｓｔｒｉａｌ＆Ｓｃｉｅｎｃｅ Ｔｒｉｂｕｎｅ
