[發明專利]一種自適應加權融合顯著性結構張量和LBP特征的表情識別方法

有效

• 申請號: 201810772516.6
• 申請日: 2018-07-13
• 公開（公告）號: CN109165551B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 張靈;董俊蘭
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種自適應加權融合顯著性結構張量和LBP特征的表情識別方法，其特征在于，包括以下步驟：

S1：數據預處理，選擇不同的表情圖片組成訓練集和測試集，提取純人臉圖片，對表情圖像進行校正和尺寸歸一化，只留下人臉區域，將頭發區域、耳朵區域和脖子區域去除；

S2：獲取顯著圖，將預處理后的數據集用頻率調諧顯著性區域檢測算法提取人臉的顯著性區域，得到各種表情的顯著圖，其中表情的顯著性區域主要集中在眼睛區域、鼻子區域、嘴巴區域；

S3：特征提取，提取顯著性紋理特征，在顯著圖的基礎上提取LBP特征和結構張量特征；

S4：特征融合，通過計算不同子塊結構張量特征直方圖和LBP特征直方圖的信息熵，根據信息熵的貢獻度作為加權因子來進行融合得到每個子塊的特征向量，最后把每個子塊的特征向量連接起來作為最終的分類特征，具體實現過程如下：

先將顯著圖劃分成k×k個子區域，計算每個子區域的兩種特征的信息熵：

上式中E_m 表示第m子塊的信息熵的值，n表示像素值255，P_m (i)表示像素值i出現的概率；

然后根據每一子區域的特征信息熵在兩種特征信息熵E總和的占比來決定相應的權重系數， 根據權重系數來加權融合兩種紋理特征：

H_m＝w*H_LBP+(1-w)H_ST

式中W_m 表示第m子塊的LBP特征的加權值，E_m^LBP 表示LBP特征的信息熵， E_m^ST 表示結構張量特征的信息熵，Hm表示融合后的新特征；

最后將各個子塊的特征向量按順序串接組合起來，得到最終的聯合特征向量：

H＝[H₁,H₂,H₃L,H_m,L H_k×k]；

S5：分類識別，將測試集和訓練集新的特征送入支持向量機(SVM)進行分類測試。

2.根據權利要求1所述的一種自適應加權融合顯著性結構張量和LBP特征的表情識別方法，其特征在于，步驟S1所述純人臉圖片 提取為采用snake和GVF模型進行提取。

3.根據權利要求1所述的一種自適應加權融合顯著性結構張量和LBP特征的表情識別方法，其特征在于，步驟S1所述表情圖片所在的數據庫為JAFFE表情庫或CK+數據庫。

4.根據權利要求1所述的一種自適應加權融合顯著性結構張量和LBP特征的表情識別方法，其特征在于，步驟S2所述顯著圖的獲取包括以下步驟：

S2.1：對圖像I進行高斯模糊處理，消除噪聲，得到一張新的圖像Ig：

上式中(i,j)表示像素坐標，“*”表示卷積操作，G表示高斯平滑濾波器；

S2.2：將原圖像I和圖像Ig從RGB顏色空間轉換到Lab顏色空間， 計算原圖像轉換到Lab顏色空間后，整副圖像對應每個特征的均值Lμ，aμ，bμ：

上式中的L,a,b表示Lab色彩空間的三個分量；

S2.3：對于圖像的每個像素點，計算顯著值：

S(i,j)＝‖I_μ-I_ωhc‖

上式中的I _μ 表示均值圖像的特征向量，I _{ω hc} 表示高斯圖像的特征向量，‖‖表示歐式距離。