[发明专利]基于证据理论的人脸表情识别方法

说明书

技术领域

本发明属于模式识别技术领域，具体涉及一种基于证据理论的人脸表情识别方法。

背景技术

人脸表情识别技术就是通过分析特定人的脸部表情及变化，进而确定其内心情绪或思想活动。近十几年来出现了很多人脸表情识别方法，但还没有一个普遍的方法模型。大致来说，人脸表情识别算法可以分成两大类，一类是针对静态图像，提取静态图像的形变特征，常用的方法有：主成分分析法PCA(Principal Component Analysis)、Gabor小波变换法、基于模型的方法等，最后进行分类；还有一类是针对序列图像，常用的方法有：光流法、特征点跟踪法和差分图像法，然后进行分类，这类方法模型复杂，计算量大，实现实时性要求较难。为了进一步提高识别率，可以有两种途径，一种是利用图像序列的时间动态信息再利用HMM模型，对单幅静态表情图像，则可以利用信息融合的方法来进一步提高表情识别率。信息融合已成为现代信息处理的通用工具和思维模式。目前以模糊理论、神经网络、证据理论等为代表的智能方法占有相当大的比例。对于人脸表情识别，提取人脸表情的全局特征和局部特征，融合这些特征信息会得到更好的识别率。

发明内容

本发明目的是解决现有单一信息源表情识别率低的问题，提出一种基于证据理论的人脸表情识别方法。该方法利用证据理论融合人脸全局特征识别结果和左眼局部特征识别结果。

本发明提供的基于证据理论的人脸表情识别方法，包括以下步骤：

步骤1：采用JAFFE日本成年女性人脸表情数据库作为训练集，该数据库由10个人的213幅图像组成，每个人包含生气、高兴、害怕、厌恶、惊奇、悲伤、中性共7种表情各2～4幅图像；自照表情数据库由10个人的70幅图像组成，每个人7种表情各1幅图像，用该库作为测试集；

步骤2：将人脸表情数据库里的图像剪切出只含人脸和只含左眼的图像，经过图像预处理，然后对人脸图像尺度归一化为125×125，左眼图像尺度归一化为65×46，然后进行2DGabor小波变换，提取图像的均值和方差作为特征；

步骤3：利用欧式距离分类器对表情进行分类；

步骤4：利用证据理论对利用证据理论对人脸图像识别结果和左眼图像识别结果两个识别结果进行决策融合；

其中，步骤2所述的2DGabor小波变换及图像均值和方差的具体计算方法如下：

2DGabor小波变换描述了图像上给定一点附近区域的灰度特征，这可以用一个卷积来定义：JJ(x→)=∫I(x→′)ψI(x→-x→′)d2x→′]]>