[發明專利]一種基于Gabor濾波器的人臉表情識別方法及系統

在審

• 申請號: 201911032232.4
• 申請日: 2019-10-28
• 公開（公告）號: CN110826444A
• 公開（公告）日: 2020-02-21
• 發明（設計）人: 鄭龍海
• 申請（專利權）人: 北京影譜科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京萬思博知識產權代理有限公司 11694
• 代理人: 姜楠楠

1.一種基于Gabor濾波器的人臉表情識別方法，包括

通過視頻采集設備采集用戶圖像，對所述用戶圖像進行預處理以獲取所述用戶圖像中的面部區域；

利用Gabor濾波器基于所述面部區域提取用于進行人臉特征識別的人臉特征圖像；

將所述人臉特征圖像輸入預設的人工神經網絡模型，由所述神經網絡模型對所述人臉特征圖像進行表情分類，識別并輸出所述用戶圖像的人臉表情識別結果。

2.根據權利要求1所述的方法，其特征在于，所述通過視頻采集設備采集用戶圖像，對所述用戶圖像進行預處理以獲取所述用戶圖像中的面部區域，包括：

通過視頻采集設備采集用戶圖像；

使用Viola-Jones人臉檢測算法對所述用戶圖像進行預處理，獲取所述用戶圖像中的面部區域。

3.根據權利要求2所述的方法，其特征在于，所述使用Viola-Jones人臉檢測算法對所述用戶圖像進行預處理，獲取所述用戶圖像中的面部區域，包括：

建立所述用戶圖像的積分圖像，并基于所述積分圖像獲取所述用戶圖像的類Harr特征集；

通過Adaboost算法對所述類Harr特征集進行訓練，提取所述用戶圖像中的面部特征；

利用級聯分類器對所述提取的面部特征進行篩選，獲取所述用戶圖像中的面部區域。

4.根據權利要求1所述的方法，其特征在于，所述利用Gabor濾波器基于所述人臉區域提取用于進行人臉特征識別的人臉特征圖像，包括：

基于經過預處理后獲取的所述面部區域，通過Gabor濾波器使用不同的方向和頻率，提取所述面部區域中用于人臉特征識別的Gabor特征，生成用戶的人臉特征圖像；

其中，Gabor濾波器由多個頻率和多個方向的多分辨率結構組成。

5.根據權利要求1所述的方法，其特征在于，所述人工神經網絡模型由多層前饋網絡構成；

所述將所述人臉特征圖像輸入預設的人工神經網絡模型，由所述神經網絡模型對所述人臉特征圖像進行表情分類，識別并輸出所述用戶圖像的人臉表情識別結果，包括：

將所述人臉特征圖像輸入所述預設的人工神經網絡模型，由所述人工神經網絡模型的多層前饋網絡反向傳播算法基于所述人臉圖像特征進行模式識別，分類判斷所述用戶圖像中用戶的表情類型，輸出人臉表情識別結果。

6.一種基于Gabor濾波器的人臉表情識別系統，包括

面部區域獲取模塊，其配置成通過視頻采集設備采集用戶圖像，對所述用戶圖像進行預處理以獲取所述用戶圖像中的面部區域；

人臉特征圖像提取模塊，其配置成利用Gabor濾波器基于所述面部區域提取用于進行人臉特征識別的人臉特征圖像；

人臉表情識別模塊，其配置成將所述人臉特征圖像輸入預設的人工神經網絡模型，由所述神經網絡模型對所述人臉特征圖像進行表情分類，識別并輸出所述用戶圖像的人臉表情識別結果。

7.根據權利要求6所述的系統，其特征在于，所述面部區域獲取模塊，還配置成：

通過視頻采集設備采集用戶圖像；

使用Viola-Jones人臉檢測算法對所述用戶圖像進行預處理，獲取所述用戶圖像中的面部區域。

8.根據權利要求7所述的系統，其特征在于，所述面部區域獲取模塊，還配置成：

建立所述用戶圖像的積分圖像，并基于所述積分圖像獲取所述用戶圖像的類Harr特征集；

通過Adaboost算法對所述類Harr特征集進行訓練，提取所述用戶圖像中的面部特征；

利用級聯分類器對所述提取的面部特征進行篩選，獲取所述用戶圖像中的面部區域。

9.根據權利要求6所述的系統，其特征在于，所述人臉特征圖像提取模塊，還配置成：

基于經過預處理后獲取的所述面部區域，通過Gabor濾波器使用不同的方向和頻率，提取所述面部區域中用于人臉特征識別的Gabor特征，生成用戶的人臉特征圖像；

其中，Gabor濾波器由多個頻率和多個方向的多分辨率結構組成。

10.根據權利要求6所述的系統，其特征在于，所述人工神經網絡模型由多層前饋網絡構成；

所述人臉表情識別模塊，還配置成：

將所述人臉特征圖像輸入所述預設的人工神經網絡模型，由所述人工神經網絡模型的多層前饋網絡反向傳播算法基于所述人臉圖像特征進行模式識別，分類判斷所述用戶圖像中用戶的表情類型，輸出人臉表情識別結果。