[發(fā)明專利]一種基于特征提取的人臉表情識別方法

在審

• 申請?zhí)枺?/td>: 202110341583.4
• 申請日: 2021-03-30
• 公開（公告）號: CN113158825A
• 公開（公告）日: 2021-07-23
• 發(fā)明（設計）人: 郭曉金;張哲;張震;劉煌
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 重慶市恒信知識產(chǎn)權代理有限公司 50102
• 代理人: 李金蓉

本發(fā)明公開了一種基于特征提取的人臉表情識別方法，首先將人臉表情圖像分成子區(qū)域，對同一像素點，采用兩個不同尺度大小的AR?LGBP算子得到兩個八位二進制序列，將兩個二進制序列一一對應進行邏輯異或運算，得到一個新的二進制序列，此序列轉(zhuǎn)換為的十進制數(shù)值即為此像素點的像素值，按照此方法計算每個子區(qū)域中每個像素點的像素值得到子區(qū)域的直方圖，連接子區(qū)域的直方圖生成人臉表情特征向量；最后，通過主成分分析算法對生成的特征向量降維，再結合SVM分類器進行人臉表情分類識別。本發(fā)明既考慮到鄰域間的像素關系，能增加特征描述能力，又具有擴展性，可以在不同尺度下提取特征。

技術領域

本發(fā)明涉及數(shù)字圖像處理技術領域，具體為表情識別過程中采用的高效率、低復雜度、魯棒性好、鑒別能力強的特征提取技術。

背景技術

目前，對于人工智能的研究已經(jīng)達到了較高的水平，而對人類情感和認知的研究相對較少。現(xiàn)實生活中，人們都期望計算機可以像人類一樣服務于社會，在人機交互時更加的智能化，而僅具備視覺和聽覺這些感知能力是遠遠不夠的，還需加入情感理解和情感識別功能。而人臉所反映出的視覺信息是人類情感表達和交互最直接最重要的載體，研究者可通過面部表情的變化揣測出表達者內(nèi)心真實的想法。所以，表情識別對情感的研究非常重要。

由于人類情感和人臉表情的復雜性以及目前一些領域?qū)Ρ砬樽R別準確度的要求越來越高，經(jīng)典的局部二值模式(Local Binary Pattern，LBP)特征提取算法在提取紋理特征以及實現(xiàn)時間方面都有了很大的改善。

經(jīng)典的LBP算法中，在3×3大小的窗口范圍內(nèi)，以中心像素值作為閾值，對鄰域內(nèi)8個像素點進行二值化處理。通過比較中心像素g_c與鄰近像素g_i灰度值的大小關系來進行編碼，其結果為八位的二進制數(shù)，若g_i≥g_c，則為1，反之為0。然后從左上角開始順時針將鄰域8個采樣點的二進制碼連接起來，組成中心像素的LBP二進制碼序列。最后通過給每個二進制數(shù)分配一個二項式系數(shù)2ⁿ加權求和就得到了中心像素的LBP十進制碼。LBP具有灰度不變性，旋轉(zhuǎn)不變性，具有強大的抗干擾性和紋理判別能力，計算簡單，對光照有一定的抑制作用。LBP的計算過程只是針對中心像素與鄰域像素進行比較，沒有考慮鄰域像素間的灰度關系，不能對非局部信息進行提取。

針對這一問題，業(yè)界提出局部梯度二值模式(Local Gradient Binary Pattern，LGBP)解決方案。LGBP從水平、垂直、對角線方向上計算局部像素間的關系，分別比較水平、垂直、對角線方向上邊緣處兩個像素值來進行編碼，若比較結果大于等于0，則賦值為1，否則為0。將結果從左上角開始順時針分別填入鄰域8個采樣點，最后將8個采樣點的二進制碼連接起來組成LGBP的二進制序列。將比較結果分別能準確表達出圖像中各個表情區(qū)域的變化情況。最后通過給每個二進制數(shù)分配一個二項式系數(shù)2ⁿ加權求和就得到了LGBP十進制碼。 LGBP具有比LBP更強的鑒別能力，但該算子易受到噪聲的影響，且鄰域大小固定，不能在大尺度下很好的提取紋理特征。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明旨在提出基于改進的LGBP即非對稱局部梯度二值模式(Asymmetric Region Local Gradient Binary Pattern，AR-LGBP)的人臉表情識別方案，既考慮到鄰域間的像素關系，能增加特征描述能力，又具有擴展性，可以在不同尺度下提取特征。

為了實現(xiàn)上述目的，本發(fā)明采用的技術方案是一種基于特征提取的人臉表情識別方法，包括以下步驟：

步驟一，將人臉表情圖像分成若干子區(qū)域。

步驟二，采用非對稱局部梯度二值模式計算子區(qū)域中各像素點的像素值，得到子區(qū)域像素值的直方圖。

步驟三，連接各子區(qū)域的直方圖生成人臉表情特征向量。