[发明专利]一种奇、偶分组的局部二元模式的人脸表情识别方法

说明书

技术领域

本发明涉及一种奇、偶分组的局部二元模式的人脸表情识别方法，属于图像处理、模式识别技术和人机交互领域。

背景技术

近年来，在心理学、公共安全、消费电子、远程教育、临床医学上，人机交互(Human-Computer Interface,HCI)一直是众多研究人员的一个重要研究方向。人们虽然可以通过各种输入指令对计算机进行控制，但是，计算机却不能根据人所处的环境、心情、习惯等信息主动判断来帮助人去完成各项任务。只有使计算机从视觉上理解人的意图，才使得计算机可以主动与人进行交流，从而，在计算机和人的主动交流、交互中搭建一座桥梁，使得计算机变得更加主动、智能和友好。人脸包含着非常丰富的信息，人脸表情是人们之间非语言交流时最丰富的资源和最容易表达人们情感的一种方式，因此，人脸表情识别是实现人机交互，并使得计算机能更准确地理解人的表情和意图的一个重要研究内容。所以，开发复杂人脸表情的自动识别系统具有重大的实际意义和研究价值。例如，用于医护的医疗机器人一旦发现病人有痛苦表情，就可以向远程监控的医护人员发出警报，并通知医生前来救治。

局部二元模式(Local Binary Pattern,LBP)算子最初由Ojala等人于1996年提出，并将其成功应用于纹理分类(见参考文献1)。LBP本质上是提取图像的边缘、角点等局部变化特征；但是，LBP只能提取单一尺度的纹理特征，并对噪声非常敏感。原始LBP算子共有256种变换模式，使用Uniform模式后减为59种（见参考文献2）。针对于多尺度纹理特征提取，Ojala等人又提出多分辨率灰度级和具有旋转不变性的LBP（见参考文献3）,该算子不仅对任何灰度级的单调变换具有鲁棒性，而且计算简便，可以在一个小邻域内用算子和查找表来实现。因为LBP算子计算简单，经过LBP算子滤波后所获得的特征拥有很强的分辨能力，这使得后来的研究者将其引入到人脸识别（见参考文献4）、表情识别（见参考文献5）、行人检测（见参考文献6）等应用中，并取得了很好的识别、检测效果。但是，现有的LBP各种改进算子的模式数量依然很多，对于提高识别效率有很大的局限性。

参考文献1:《带有基于特征分布的分类的纹理措施对比研究》，载《国际模式识别期刊》（Ojala,T.,,M.,and Harwood,D.:‘A Comparative Study of Texture Measures with Classification Based on Featured Distributions’.Pattern Recognition,1996,29(l),pp.51-59）。

参考文献2：《基于灰度和旋转不变性的局部二元模式的纹理分类》，载《第六届欧洲计算机视觉年会》（Ojala,T.,,M.,and ,T.:‘Gray Scale and Rotation Invariant Texture Classification with Local Binary Patterns’.6th European Conference on Computer Vision,2000,pp.404-420）。

参考文献3：《基于多分辨率灰度和旋转不变性的局部二元模式纹理分类》，载《国际模式分析与机器智能期刊》（Ojala,T.,,M.,and ,T.:‘Multiresolution Gray-scale and Rotation Invariant Texture Classification with Local Binary Patterns’.IEEE Transactions on Pattern Analysis and Machine Intelligence,2002,24(7),pp.971-987）。

参考文献4：《局部二元模式的人脸描述及其在人脸识别中的应用》，载《国际模式分析与机器智能期刊》（Ahonen,T.,Hadid,A.,and Pietikainen,M.;‘Face Description with Local Binary Patterns:Application to Face Recognition’.IEEE Transactions on Pattern Analysis and Machine Intelligence,2006,28(12),pp.2037-2041）。