针对目前人脸表情识别鲁棒性较差的问题,提出了一种基于可变形部件模型的人脸检测模式识别算法。通过一种多视点人脸检测的树状结构模型,使用详细的面部标志性标签来模拟面部内部结构。本文使用潜在支持向量机（LSVM）从部分标记的图像中获取,增强数据挖掘和引导过程在训练期间的丰富模型,逐步学习潜在阳性和阴性样本的同时,建立基于弱标记数据的模型。最后在每一个模型的检测定位过程中,综合主滤波器以及部件滤波器的响应,通过位置关系对每一个扫描到的窗口评分,并将得分和阈值相比较,得到多角度融合模型的检测结果。在对人脸检测数据集提出的算法进行验证头部姿势变化和面部封闭情况下模型的准确性。研究结果表明,该模型能较好地处理表情丰富、部分遮挡的人脸等复杂情况下的识别,正检率达到97.1%,具有较强的准确性和适用性。
