[发明专利]一种人脸表情的疼痛评估方法

权利要求书

1.一种人脸表情的疼痛评估方法，其特征在于具体步骤如下：

a.利用摄像设备拍摄人脸正面图像；

b.采用自适应高斯滤波方法对人脸正面图像进行去噪平滑处理，并使用人脸探测方法检测人脸在图像中的位置，并在图像中提取出人脸区域；

c.通过尺度归一化和光照归一化对人脸区域进行预处理；

d.采用Gabor滤波器和最大池化法分别提取Gabor疼痛表情特征和最大池化疼痛表情特征；

e.依次采用PCA算法和高斯归一化分别对Gabor疼痛表情特征和最大池化疼痛表情特征进行降维和归一化处理；

f.将降维和归一化后的Gabor人脸疼痛表情特征向量和最大池化人脸疼痛表情特征向量进行融合并形成最终待训练的人脸疼痛表情特征向量集；

g.采用SVR回归分类器对待训练的疼痛表情特征向量集进行训练与学习，并得出SVR模型；

h.采用SVR模型对新样本进行预测，并输出疼痛评估等级；

所述的步骤d中的最大池化法具体如下：

设原始图像尺寸为W1×H1，W1为图像横向像素尺寸，H1为图像纵向像素尺寸,设定空间大小参数F和步长参数S，从而得到输出图像的尺寸大小：W×H，其中：W＝(W1-F)/S+1，H＝(H1-F)/S+1。

2.如权利要求1所述的一种人脸表情的疼痛评估方法，其特征在于所述的步骤b中使用人脸探测方法检测人脸在图像中位置的具体方法为：采用Viola-Jones算法的haar分类器探测图像中是否包含人脸，并将人脸区域提取出来，裁剪出最大的人脸区域，并将针对不同特征的弱分类器组合成强分类器，组合公式如下：

式中，T为弱分类器的总数，α_t为第t个弱分类器的权值。

3.如权利要求1所述的一种人脸表情的疼痛评估方法，其特征在于所述的步骤c中光照归一化的具体处理公式如下：

其中，R对应图像的红色数值，G对应图像的绿色数值，B对应图像的蓝色数值，图像处理后的灰度值范围在0到255之间。

4.如权利要求1所述的一种人脸表情的疼痛评估方法，其特征在于所述的步骤d中Gabor滤波器的核函数为：

其中u和v两个参数分别代表Gabor滤波器的方向和尺度，z＝(x,y)代表像素的位置，δ为一决定窗口宽度和波长之间比例关系的常数，其中k为频率，k_max为最大频率，f为内核间隔因子；

对于给定一副疼痛表情图像I(x,y),Gabor的频率为k的小波核函数，与图像I(x,y)的卷积定义为：J_k(z₀)＝∫ψ(z₀-z)I(x)d²x＝(ψ_k*I)(z₀)

将公式简化，得到：

其中x'＝xcosθ+ysinθ，y'＝-x sinθ+y cosθ，λ为尺度，θ为方向，γ为空间的宽高比。

5.如权利要求4所述的一种人脸表情的疼痛评估方法，其特征在于选用5个不同尺度和8个不同方向组成40个不同Gabor滤波器对图像进行滤波提取Gabor疼痛表情特征。