[發明專利]一種人臉表情識別方法

有效

• 申請號: 201610008142.1
• 申請日: 2016-01-07
• 公開（公告）號: CN105469080B
• 公開（公告）日: 2018-09-25
• 發明（設計）人: 王佛偉;沈波;孫韶媛;張似晶
• 申請（專利權）人: 東華大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 上海泰能知識產權代理事務所 31233
• 代理人: 宋纓;孫健

本發明涉及一種人臉表情識別方法，包括以下步驟：對人臉圖片進行預處理；對預處理完的人臉圖片做基于uniform LGBP的特征提取，并建立圖片特征的顯著性；使用遺傳算法對圖片特征進行第一次特征選取，得到優秀的種群；根據得到的優秀的種群作為每類表情特征的優秀種群的比較值，來建立類內和類間的兩個新的目標函數，目標就是最小化類內函數的值和最大化類間函數的值，并使用Pareto優化算法來對其進行優化；進行臉部特征的分類，在選取完最優特征以后，采取隨機森林的方法來對特征進行分類。本發明能夠提高在人臉表情識別的精度和速度。

技術領域

本發明涉及人機交互技術領域，特別是涉及一種人臉表情識別方法。

背景技術

人臉表情識別，是采用機器和軟件對人臉表情信息進行處理，提取其特征并進行分類的過程。人臉的表情識別常常被用于人機交互領域。例如，面部表情識別可以提供家庭服務機器人與人類的直接互動，然后機器人可以通過從人類識別到的信息來執行它們的行動。

目前的人臉表情識別研究中，主要使用的特征提取方法是經典的“局部Gabor二值模式(LGBP)”，主要是用Gabor小波對圖像做不同方向和尺度變換后的圖片，再由LBP提取每個像素點與周圍像素點之間的關系，并對這種關系做成直方圖。這種提取方式會得到很高維數的特征，在后續處理上很花費時間。之后考慮對特征進行提取，在傳統的人臉特征提取模型中，往往只是考慮對所有類別的表情特征維度進行降維，而沒有將不同類別表情的差異性考慮到特征選取中。雖然在一定程度上起到了降維的作用，但最后的分類結果往往并不理想。

發明內容

本發明所要解決的技術問題是提供一種人臉表情識別方法，能夠提高在人臉表情識別的精度和速度。

本發明解決其技術問題所采用的技術方案是：提供一種人臉表情識別方法，包括以下步驟：

(1)對人臉圖片進行預處理；

(2)對預處理完的人臉圖片做基于uniform LGBP的特征提取，并建立圖片特征的顯著性；

(3)使用遺傳算法對圖片特征進行第一次特征選取，得到優秀的種群；

(4)根據得到的優秀的種群作為每類表情特征的優秀種群的比較值，來建立類內和類間的兩個新的目標函數，目標就是最小化類內函數的值和最大化類間函數的值，并使用Pareto優化算法來對其進行優化；

(5)進行臉部特征的分類，在選取完最優特征以后，采取隨機森林的方法來對特征進行分類。

所述步驟(1)中的預處理包括人臉識別、噪聲處理和人臉對齊。

所述步驟(2)中基于uniform LGBP的特征提取具體為：首先對圖片進行Gabor濾波變換，其次對圖片中的所有像素使用LBP算子提取直方圖作為人臉的特征，即將中心像素值作為閾值，相鄰域內的像素值如果大于該閾值則為1，否則為0，通過使用這種方法二值化以后，會得到2^Q個二值模式，再次定義一個均勻模式，即得到的二值化后組成的描述子；如果存在不超過兩次從0到1或1到0的跳變則為均勻模式，否則為非均勻模式；最后通過這樣的定義，將原來的2^Q個二值模式降低為Q²-Q+2。

所述步驟(3)具體為：首先隨機初始化種群，接著計算每個種群的準確度，根據準確度分為四類，給出每一類計算種群的適應度函數；最后使用遺傳算法來進行優化得到優秀的種群。

所述適應度函數為其中，α是正確分類到其類別的比例，ε，ρ₁，ρ₂是參數，a_rc為臉部特征塊的狀態，m為臉部特征塊的數量。