[發明專利]基于ELM自編碼算法的快速人臉表情識別方法

在審

• 申請號: 201710188162.6
• 申請日: 2017-03-27
• 公開（公告）號: CN107085704A
• 公開（公告）日: 2017-08-22
• 發明（設計）人: 陸晗;曹九穩;朱心怡
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙)33240
• 代理人: 杜軍

1.基于ELM自編碼算法的快速人臉表情識別方法,其特征在于包括如下步驟：

步驟1、訓練人臉區域檢測分類器

1-1.給定一系列訓練樣本(x₁,y₁),(x₂,y₂),...,(x_i,y_i),(x_n,y_n)，其中x_i表示第i個樣本，y_i＝0時表示其為負樣本(非人臉)，y_i＝1時表示其為正樣本(人臉)，n為總共的訓練樣本數量；

1-2.初始化權重并作權重歸一化：D_t(i)是第t次循環中第i個樣本的誤差權重，t＝1...T；

1-3.對每個特征f，訓練一個弱分類器h(x,f,p,θ)；計算對應所有特征的弱分類器的加權錯誤率:

1-4.對所有樣本的權重進行更新：其中β_t＝ξ_t/1-ξ_t，e_i＝0表示x_i被正確地分類，e_i＝1表示x_i被錯誤地分類；

1-5.訓練之后的強分類器能夠被用來進行人臉檢測識別，如若圖片中包含人臉，還會定位到人臉的位置并確定尺寸，強分類器H(x)：

H(x)=1Σt=1Tαtht(x)≥1/2Σt=1Tαt0othersαt=log1/βt=log1-ξtξt]]>

其中h_t為訓練時具有最小誤差率ξ_t的弱分類器；

步驟2、人臉區域預處理；

2-1.把檢測出的人臉區域進行感興趣區域ROI裁剪出來，然后對圖像作像素尺寸歸一化處理：將圖片縮小/放大到某一合適的像素尺寸；

2-2.對歸一化處理后的圖像作直方圖均衡化處理來增強圖像對比度；對于離散圖像，均衡化公式為：Pr(r_k)＝r_k/N,0≤r_k＜1；k＝0,1,...,L-1，其中N是像素的總數數，k為灰度級總數，對于8位的灰度圖像k取2⁸＝256，r_k為第k個灰度級值；均衡化變換函數為：

其中n_j是灰度值為j的總像素數；

步驟3、人臉表情圖像特征提取；

3-1.給定訓練樣本：X＝[x₁,x₂,...,x_N],即ELM-AE的輸入和輸出矩陣；

3-2.隨機生成隱層輸入權值矩陣a＝[a₁,...,a_L]和正交化偏置向量矩陣b＝[b₁,...,b_L]，將輸入數據映射到相同或者不同的數據維度空間：h＝g(ax+b)a^Ta＝I,b^Tb＝1其中：g()表示激活函數；

3-3.求解ELM-AE的輸出權值矩陣β；

假設輸入輸出層神經元數量為d,隱含層神經元數量為L；

若d＜L或d＞L,即對于稀疏及壓縮的特征表達，

若d＝L，即對于等維度的特征映射，β＝H^-1Xβ^Tβ＝I

其中：H＝[h₁,...,h_N]表示ELM-AE的隱含層輸出矩陣；

3-4.向訓練好的ELM-AE系統輸入預處理后的人臉表情圖像，得到的隱含層輸出矩陣向量H即為整幅人臉圖像的紋理特征向量；

步驟4、構建人臉表情分類器；

4-1.給定訓練樣本：{(x_i,t_i)|x_i∈Rⁿ,t_i∈R^m,i＝1,2,...N}，隱層輸出函數g(w,b,x)，隱層節點數L和測試樣本y；

4-2.隨機生成隱層節點參數(w_i,b_i),i＝1,2,...,L；

4-3.計算出隱層節點輸出矩陣H(w₁,…w_L,x₁,…,x_N,b₁,…b_L)，且

H(w1,...wL,x1,...,xN,b1,...bL)=g(w1·x1+b1)...g(wL·x1+bL).........g(w1·xn+b1)...g(wL·xN+bL)]]>

確保H列滿秩，其中w是連接隱層節點和輸入神經元的輸入權重，x是訓練樣本輸入，N是訓練樣本個數，b_i是第i個隱層節點的偏差，g()表示激活函數；

4-4.計算出最優外權β：β＝H⁺T；

4-5.計算測試樣本y對應的輸出o＝H(w₁,…w_L,x₁,…,x_N,b₁,…b_L)β；

4-6.對測試樣本進行表情識別分類，對ELM輸出向量ο中最大值對應的類別即為該人臉的情緒；即