摘要： 人脸表情变换的研究，是当今计算机图像研究的热点之一。人的面部表情是与生俱来的表达情感的一种信号，因此，在无表情与做出某种特定表情之间，存在着一种自然规律。利用RBF径向基神经网络，基于ASM主动回归模型对FEI人脸数据库进行标定特征点后的数据，对人脸表情进行神经网络训练，以此探寻表情变换的规律。再利用这个规律，通过三角剖分和仿射变换等图像处理技术相结合，对任意的人脸图像进行表情回归，再通过可视化的方式来向用户显示，以此来实现对单张人脸照片进行面部表情变换的目的。将前述功以一个简洁易操作的图形界面展示出来，从而完成基于单张照片的面部表情变换系统。

关键词：径向基神经网络；表情变换；主动回归模型

目录

摘要

Abstract

1 绪论-1

1.1 选题背景-1

1.2 课题目标及主要内容-1

1.2.1课题目标-1

1.2.2课题内容-1

1.3 目前研究现状-2

1.4 系统开发环境介绍-2

1.4.1 系统开发环境-2

1.4.2 MATLAB简介-2

1.4.3 C++语言简介-2

1.4.4 OpenCV简介-3

1.5 课题特色与创新点-3

2 课题实现方案-4

2.1 课题实现步骤及流程图-4

2.1.1课题实现步骤-4

2.1.2 程序流程-4

2.2 项目各步骤介绍-5

2.2.1获取待训练图像的人脸特征点数据-5

2.2.2 训练人脸表情网络-5

2.2.3 对任意中性表情人脸图像进行表情仿真-6

2.2.4 优化仿真结果-6

2.2.5 用户友好界面-6

3 项目实施方法-8

3.1 简述项目需要用到的算法-8

3.2 基于ASM的标定特征点方法-8

3.2.1 ASM算法简介-8

3.2.2 ASM算法应用-9

3.3 基于RBF神经网络训练人脸表情网络-10

3.3.1 径向基函数简介-10

3.3.2 RBF神经网络应用分析-11

3.4 表情优化处理-11

3.4.1 优化目的-11

3.4.2 优化方法-11

3.5  Delanay三角剖分算法-11

3.5.1 Delanay三角剖分算法简介-11

3.5.2 Delaunay三角剖分算法的应用-12

3.6 仿射变换-13

3.6.1仿射变换简介-13

3.6.2仿射变换的应用-13

4 基于RBF神经网络训练人脸表情的详细论述-14

4.1 选用RBF神经网络的目的-14

4.2 RBF神经网络的输入输出层-14

4.2.1 输入输出层的选取-14

4.2.2 相对位置参数的计算方法-14

4.3 RBF神经网络的表情训练-15

4.4 表情网络的利用-15

4.5 优化表情-17

4.6 结果测试-17

5 课题特点及展望-19

结    论-21

参 考 文 献-22

致    谢-23