[發明專利]一種結合降維和認知引力模型的人臉表情識別方法

有效

• 申請號: 201510467926.6
• 申請日: 2015-07-31
• 公開（公告）號: CN104992170B
• 公開（公告）日: 2018-09-14
• 發明（設計）人: 文貴華;孫亞新
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 羅觀祥

1.一種結合降維和認知引力模型的人臉表情識別方法，其特征在于，包括以下步驟：

步驟1、使用基于金字塔的方向梯度直方圖提取測試樣本的特征，稱為PHOG特征；

步驟2、采用增強型長程相關反饋維數約減算法ERF的投影映射，對提取的測試樣本的PHOG特征降維，將測試樣本映射到低維空間；

步驟3、計算測試樣本的質量；

步驟4、根據測試樣本和訓練樣本的質量，計算每個訓練樣本對測試樣本的引力；

步驟5、從每個表情類別中，分別選出對測試樣本引力最大的k個訓練樣本，并將每個類的這些引力求和，對測試樣本引力最大的那個類別即為測試樣本的表情類別；

所述步驟2中，增強型長程相關反饋維數約減算法ERF的包括如下步驟：

(1)定義增強長期相關反饋的維數約減方法的目標函數如下：

其中W^TXL^bXW，W^TXL^fXW，W^TXL^wXW，W^TXL^mXW是4個優化目標，a₁和a₂為平衡參數；W是映射矩陣；

W^TXL^bXW的目標是最大化類間距離，式中表示不屬于第c類的訓練樣本個數，C表示總類別個數，l_i，l_j表示第i、第j個樣本的類別標簽；

W^TXL^wXW的目的是最小化類內距離，式中N_c表示屬于第c類的訓練樣本個數；

W^TXL^fXW的目的是對最小化離得較遠但屬于同一類別的樣本之間的距離進行一定的懲罰，式中N_f表示與x_i屬于同一類并且互相不為k鄰域的樣本的個數，N_k(x_j)表示x_j的k鄰域；

W^TXL^mXW的目的是在低維空間中保持高維空間中的流形結構，式中1_k+1∈R^k+1為元素全為1的列向量，S_i∈R^n×(k+1)，S_i＝1當x_p為的第p個元素，(S_i)_pq＝0其它情況；

(2)將優化問題轉化為求廣義特征值的問題，其中W由最大的q個廣義特征值對應的廣義特征向量組成，q為維數約簡之后的維度；

X(L^b+a₁L^f)X^TW＝λX(L^w+a₂L^f)X^TW，

(3)獲得投影映射W，將訓練數據從高維空間轉換到低維空間Y＝W^TX；

其中，步驟3中質量計算方法的步驟如下：

(1)計算樣本y的密度，其中是y_i的第K近鄰；

(2)計算樣本的自信息I(y)：

(3)通過歸一化自信息，計算樣本的質量m(y)：

其中，m(y)為樣本的質量；

步驟4中，根據測試樣本和訓練樣本的質量，按如下公式計算每個訓練樣本x_j,j＝1,2,…,n對測試樣本y_i的引力，其中n是訓練樣本的個數；

2.根據權利要求1所述的結合降維和認知引力模型的人臉表情識別方法，其特征在于，在步驟1之前具有進行訓練的過程，所述訓練的過程包含如下步驟：

步驟11、提取每個訓練樣本的PHOG特征；

步驟12、采用訓練數據訓練ERF，獲得ERF投影映射，并將訓練樣本映射到低維空間；

步驟13、在低維空間中，計算每個訓練樣本的質量。