[发明专利]一种人脸表情的疼痛评估方法

说明书

本发明涉及表情识别及疼痛评估技术领域，具体来说是一种人脸表情的疼痛评估方法，对图像先后进行去噪平滑处理人脸在图像中的位置检测处理和归一化处理，并分别采用Gabor滤波器和最大池化法提取Gabor疼痛表情特征和最大池化疼痛表情特征后在进行特征融合，最大程度地实现了表情特征向量集的抗干扰能力，能够提取出更为全面的表情特征，使得后续的疼痛评估更为准确，最后采用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，能够有效、快速、准确地对疼痛表情的等级作出评估。

[技术领域]

本发明涉及表情识别及疼痛评估技术领域，具体来说是一种人脸表情的疼痛评估方法。

[背景技术]

表情是人们非语言交流的一种重要方式，包含丰富的情感信息，是情感最主要的载体，是人们理解情感的重要途径。在人类交往中，除了通过自然语言来传递信息外，还可以利用很多其它形体语言如面部表情、身体动作来进行交流。而在表情识别领域，还未有专门针对疼痛表情做专业研究。

同时，国际上对于疼痛的评估都是由受过专门训练并熟悉各项监测指标的医护人员进行人工评估，评估结果更多地依赖于个人的知识与经验，并受个人的情绪等主观因素的影响，不能完全客观反映病患疼痛程度。因此，开发一种人脸表情的疼痛评估方法，为临床提供客观准确的疼痛评估，对医护人员及时采取相应的镇痛措施具有非常重要的意义和价值。

目前在人脸表情识别的研究方面，一般都是针对普通成年人，将人脸表情划分为6种基本类型：高兴、悲伤、生气、恐惧、惊讶和厌恶，对于表情的疼痛等级评估的研究很少。

我国专利：CN201210077351提供了一种进行疼痛与非疼痛表情的分类识别，能有效地识别出微笑、安静、非疼痛时的哭、轻度疼痛、剧烈疼痛状态下的表情，但也只是将表情疼痛评估进行定性的归类，未能达到对疼痛等级进行数值评估，并且其样本也仅局限于新生儿等。

据此，本发明提供一种人脸表情的疼痛评估方法，该方法在不仅提取Gabor人脸疼痛表情特征向量，还通过最大池化法提取最大池化疼痛表情特征，通过训练得到的SVR模型对图像进行疼痛等级评估，具有现实的科学研究价值。

[发明内容]

本发明的目的在于解决现有技术的不足，提供一种人脸表情的疼痛评估方法，分别采用Gabor滤波器和最大池化法提取Gabor疼痛表情特征和最大池化疼痛表情特征后在进行特征融合，能够得出更细腻的疼痛表情，然后建立SVR，实现疼痛等级的划分和评估。

为了实现上述目的，设计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.采用PCA算法和高斯归一化的二个顺序步骤分别对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；

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。