[发明专利]一种面部表情特征提取、识别模型构建及识别方法在审
| 申请号： | 201810967979.8 | 申请日： | 2018-08-23 |
| 公开（公告）号： | CN109359505A | 公开（公告）日： | 2019-02-19 |
| 发明（设计）人： | 马祥;付俊妮 | 申请（专利权）人： | 长安大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00 |
| 代理公司： | 西安恒泰知识产权代理事务所 61216 | 代理人： | 张明 |
| 地址： | 710064 陕西省*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种面部表情特征提取、识别模型构建及识别方法，其中特征提取是一种低维映射关系学习模型构建的面部表情特征提取方法，通过使用两个完全不同的投影矩阵与映射矩阵来约束低秩稀疏表示的重建图像，将原始的高维数据空间映射到低维空间模型中去学习对噪声鲁棒且判决性能较强的表情特征，进而有效实现不同数据库之间的面部表情识别。 | ||
| 搜索关键词： | 面部表情特征 模型构建 高维数据空间 面部表情识别 表情特征 低维空间 特征提取 投影矩阵 稀疏表示 映射关系 映射矩阵 有效实现 噪声鲁棒 重建图像 映射 低维 低秩 数据库 学习 判决 | ||
【主权项】：
1.一种面部表情特征提取方法，用于获得面部表情图像集的特征集，其特征在于，所述的方法包括：步骤1、获得待处理的面部表情图像集X；步骤2、对所述面部表情图像集X中的每幅面部表情进行人脸位置固定的预处理后再进行图像尺寸的归一化，获得预处理后的面部表情图像集Xs；步骤3、获得预处理后的面部表情图像集Xs的初始投影映射矩阵P1；步骤4、根据式I获得低维映射矩阵S：![]()
其中，P为投影映射矩阵，投影映射矩阵P的初始值为P1，Z为重建矩阵，||Z1||*为重建矩阵Z的低秩表示，||Z2||1为重建矩阵Z的稀疏表示，E为获得重建矩阵时的重建误差矩阵，I为单位矩阵，λ1为低维映射矩阵S的约束参数，λ2为重建矩阵Z的稀疏表示Z2的约束参数，λ3为重建误差矩阵E的约束参数，λ1>0，λ2>0，λ3>0；步骤5、采用式X获得面部表情图像集X的特征集F。F＝STXs 式X 。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于长安大学，未经长安大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810967979.8/，转载请声明来源钻瓜专利网。
