[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

本發明公開了一種結合降維和認知引力模型的人臉表情識別方法，包含訓練過程和識別過程。訓練過程包含步驟：(1)使用基于金字塔的梯度方向直方圖提取訓練樣本的特征；(2)訓練增強型長程相關反饋維數約減方法，獲得維數投影映射；并將訓練數據從高維空間映射到低維空間；(3)計算訓練樣本的質量；測試過程包含步驟：(1)使用基于金字塔的梯度方向直方圖提取訓練樣本的特征；(2)根據訓練階段獲得的維數投影映射對測試數據降維；(3)計算測試數據的質量；(4)計算測試數據與訓練數據之間的引力；(5)根據引力獲得測試樣本的類別。具有顯著提高了性能等優點。

技術領域

本發明涉及一種圖像處理、維數約減、情感計算和模式識別技術，特別涉及一種結合降維和認知引力模型的人臉表情識別方法。

背景技術

隨著信息技術的不斷發展，社會發展對情感計算提出了更高的要求，有廣泛的應用價值。例如在人機交互方面，一個擁有情感能力的計算機能夠對人類情感進行獲取、分類、識別和響應，進而幫助使用者獲得高效而又親切的感覺，采用情感計算技術探測駕駛司機的精力是否集中，感受到的壓力水平等，并做出相對反應。此外，情感計算還能應用在機器人、智能玩具、游戲、電子商務等相關產業中，以構筑更加擬人化的風格和更加逼真的場景。情感也反映了人類的心理健康情況，情感計算的應用可以有效地幫助人們避免不良情緒，保持樂觀健康的心理。

人的面部表情，語音，生理指標等都能在一定程度上反映人類的情感。本發明涉及人臉表情識別中的維數約減和分類。目前使用到人臉表情識別中的維數約減方法有很多，如主成分分析方法(Principal Component Analysis PCA)正交局部投影保持(OrthogonalLocality Preserving Projections OLPP)，以及偶子空間非負矩陣分解等。但是這些方法不能同時最小化類內距離，最大化類間距離，以及在低維空間中保持高維空間中的流形結構。近年來提出了較多的能同時實現上述3個目標的維數約減算法，其中一種稱為長程相關反饋的維數約減算法RF(Long-term Relevance Feedback)對多媒體數據有較好的效果。但是該方法不能直接應用于人臉表情識別，因為抽取的特征不僅包括用于人臉識別的特征也包括表情識別的特征，而人臉差別很大的人卻可能有相同的表情，這使得同一表情的人臉樣本之間的距離較大，這樣的距離對目標函數用于表情識別造成負面影響。為此本發明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，并據此提出一種能克服上述缺點的維數約減方法，稱之為增強型長程相關反饋ERF維數約減算法(EnhancedLong-term Relevance Feedback)。

ERF除了能克服RF的缺點外，還能從訓練數據中提取到樣本的密度信息，而這個信息有利于分類。傳統的分類器如支持向量機(Support Vector Machine SVM)，稀疏表示分類(Sparse Representation-based Classifier SRC)，K-近鄰分類(KNN)等都不能很好的使用樣本的密度信息。而一種基于認知引力模型的分類器能夠利用樣本的密度信息，但是該方法使用自信息估算引力模型的質量，而自信息既隨著樣本密度的變化而變化，又隨著訓練樣本個數的變化而變化，使得樣本之間的引力估算不準確。

發明內容

本發明的目的在于克服現有技術的缺點與不足，提供一種結合降維和認知引力模型的人臉表情識別方法，該人臉表情識別方法簡單，易于實現，是一種認知引力模型提出了一種新的質量計算方法和認知引力計算方法。

本發明的目的通過下述技術方案實現：一種結合降維和認知引力模型的人臉表情識別方法，包括以下步驟：

(1)使用基于金字塔的方向梯度直方圖(Pyramid of Histogram of OrientedGradients PHOG)提取測試樣本x的特征，稱為PHOG特征；