[发明专利]一种人脸表情识别方法研究

说明书

本发明针对局部二值模式(LBP)、中心对称局部二值模式(CS‑LBP)和梯度方向直方图(HOG)的不足进行改进，提出中心对称局部平滑二值模式(CS‑LSBP)和绝对梯度方向直方图(HOAG)，并提出一种融合局部纹理特征和局部形状特征的人脸表情识别方法。该方法首先采用CS‑LSBP算子和HOAG算子分别提取人脸表情图像的局部纹理特征和局部形状特征，然后使用典型线性分析法(CCA)进行特征融合，最后利用支持向量机(SVM)进行表情分类。在JAFFE人脸表情库上的实验结果表明，改进的特征提取方法能更加完整、精确地提取图像的细节信息，基于CCA的特征融合方法能充分发挥特征的表征能力，该文所提人脸表情识别方法取得了较好的分类识别效果。

技术领域

本发明属于图像分类技术，特别涉及一种基于CS-LSBP与HOAG特征融合的人脸表情识别方法。

背景技术

表情是人际交往中传递情感的重要方式之一，人脸表情识别是指利用计算机对检测到的人脸进行面部表情特征提取，使计算机能够按照人的思维认识对人脸表情进行相应的理解处理，并能够根据人们的需求做出响应，建立友好的、智能化的人机交互环境。该项研究是图像处理，模式识别，心理学，情感计算以及计算机视觉等多学科交叉研究的前沿热点。

人脸表情识别主要由三部分组成：人脸检测、表情特征提取和表情特征分类识别。其中，表情特征提取是人脸识别过程中一个非常重要的技术环节，提取具有鉴别性和区分性的表情特征，对后续分类有重要的影响。基于纹理的表情特征提取方法是找到一种能够反映纹理特征的度量，通过各种分析计算从图像中提取有效特征，主要有Gabor小波，LBP算子等。另外，基于表情形状信息提取方法，如HOG特征，该方法是计算和统计图像局部区域的梯度方向直方图来构成特征，通过划分图像块和设置图像块不同的重叠率，可以很好的描述人脸图像局部目标的形状(例如嘴，眼等部位)边缘的方向密度分布，具有计算简单，抗干扰能力强的优点。

然而，单一的特征提取方式，如Gabor小波，虽然能从不同尺度不同方向提取图像的纹理特征，但是特征提取的维数非常高，容易造成维数过大而导致的小样本问题。传统的LBP统一模式，将所有非统一模式下的特征化为一类模式处理，而这种处理方式忽略了很多有用的纹理信息。

发明内容

本发明所要解决的技术问题在于针对采用单一特征提取效果不明显的情况，改进了两种特征提取方法，并结合CCA在特征融合方面的优势，将提取到的两种改进特征进行特征融合，并利用SVM应用在人脸表情识别中。再表情识别方面表现出一定的优越性。

本发明具体采用以下技术方案。人脸表情识别方法，其特征在于，该方法包括以下步骤：

A)输入人脸图像样本并进行几何校正、尺寸归一化和滤波的预处理；

B)用中心对称局部平滑二值模式(CS-LSBP)对人脸表情图像进行纹理特征提取；

C)用绝对梯度方向直方图(HOAG)对人脸表情图像进行局部形状特征提取；

D)用典型线性分析法(CCA)将人脸表情图像的局部纹理特征和局部形状特征进行特征融合；

E)最后利用支持向量机(SVM)进行表情分类。

附图说明

图1是本发明的算法流程图

图2是JAFFE人脸表情库图像示例；

图3是人脸图像预处理；

图4是CS-LBP(1，8)算子；

图5是本发明改进的CS-LSBP特征提取图。

图6是本发明改进的HOAG特征提取图

具体实施方式

下面结合附图和实施例对本发明的技术方案进行详细说明。