[發明專利]一種基于非線性降維的人臉微表情捕捉及識別方法

在審

• 申請號: 201410184408.9
• 申請日: 2014-04-30
• 公開（公告）號: CN104008391A
• 公開（公告）日: 2014-08-27
• 發明（設計）人: 李海云;董建鑫;景斌;龍云玲;鐘景茹
• 申請（專利權）人: 首都醫科大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于非線性降維的人臉微表情捕捉及識別方法，包括如下步驟：

步驟(1)，創建高速圖像采集應用系統(硬件組成+應用軟件)；

步驟(2)，采集高速視頻人臉圖像序列作為輸入進行后續特征提取分析；

步驟(3)，對微表情變化時間序列圖像預處理，先對視頻圖像進行濾波降噪預處理，然后從人臉中分割出面部區域并提取相關視頻；

步驟(4)，應用拉普拉斯特征映射對序列圖像降維；

步驟(5)，在低維空間中進行特征參數計算，基于k近鄰分類器應用低維空間特征參數跟蹤識別人臉微表情變化。

2.如權利要求1所述的高速圖像采集應用系統創建方法為：

由于微表情持續時間最短僅為40毫秒，要求fps至少250，控制噪聲和系統造價同時，為了提高精度，我們選擇采樣頻率最高可達300fps高速攝像系統，分辨率為800x600像素。高速攝像系統與高性能計算機工作站直接相連，采集系統軟件實現圖像的實時采集、處理和存儲功能。能夠激發被試6種表情的相應音頻(時長各1分鐘)間隔10秒錄制在CD中，10秒間隔便于被試舒緩情緒，自然回到中性表情中。6種基本表情圖像來自表情數據庫。被試通過耳機收聽音頻，并同時觀看相應表情圖像。高速攝像系統自動啟停采集相關視頻，系統安放在在一個8平米房間內，有兩盞LED燈。

3.如權利要求2所述的微表情變化時間序列圖像的采集方法為：

招募10名一年級研究生作為被試，男女各5名，聽力和視力正常，并進行培訓。房間內只有被試一人，測試過程中佩戴耳機并一直觀看攝像機后面的表情顯示屏幕，嚴格要求盡力保持中性表情。高速攝像機正對受試者面部進行視頻采集，采集的視頻流通過采集卡實時存儲在計算機工作站中。

4.如權利要求4所述的應用拉普拉斯特征映射對序列圖像降維，其特征是，所述序列圖像降維的具體步驟如下：

(4.1)構造近鄰圖G

設G表示n個點的矩陣。我們將i和j連接起來，如果x_i和x_j離很近，就做如下變化：如果

則點i和j由線連接，其中的距離是歐式距離。

(4.2)近鄰點賦權

設置近鄰點之間的權值：

其中t是一個可調節參數，本算法中取t＝200。

(4.3)求低維嵌入Y

LE算法是一種在平均意義上保持流形局部特性的方法，直觀來看，即希望近鄰的高維數據點映射到內在低維空間后仍為近鄰點。設Y＝[y₁，...，y_n]是高維觀測數據集X＝[x₁，...，x_n]的低維嵌入，那么LE算法的目標函數可表示為使下面的損失函數達到極小：

Σij||yi-yj||2Wij---(3)]]>

這里，如果近鄰點x_i與x_j映射到低維空間后變得相距很遠，那么W_ij會施加嚴厲的懲罰，因此極小化式實際上是確保如果樣本點x_i與x_j是近鄰點，那么在低維嵌入空間相應的y_i與y_j也應該是近鄰點。

對于任何Y，我們有：

12Σij||yi-yj||2Wij=tr(YLYT)---(4)]]>

其中tr(YLY^T)求矩陣YLY^T的跡，L＝D-W是Laplacian矩陣，D為對角矩陣，元素為權值矩陣W的列(行)和，即為了消除尺度因子的影響，施加約束YDY^T＝I，因此LE算法的優化問題轉化為：

argmintryYDYT=I(YLYT)---(5)]]>

由此得到，LE算法的低維嵌入Y應取Laplacian矩陣L的最小d+1個特征值所對應的特征向量v₁，...，v_d+1，即：Y＝[v₂，...，v_d+1]^T。