[发明专利]一种人脸表情的识别方法及系统

说明书

技术领域

本发明属于图像识别技术领域，尤其涉及一种人脸表情的识别方法及系统。

背景技术

在人与人之间的交互过程中，人脸表情作为情绪的载体，传递了丰富的个体情感信息（如：愤怒、高兴、悲伤、惊讶、恐惧、厌恶等），并在人与人的交流中扮演了重要的角色，因此人脸表情的识别技术成为人机交互、智能控制、图像处理与模式识别等领域的研究热点。

现有技术提供了一种基于Gabor小波变换算法的人脸表情的识别方法。由于Gabor特征具有良好的空间局部性和方向选择性，在空间域和频率域均有较好的分辨能力，能很好的描述人脸表情图像的纹理信息，因而该方法在人脸表情识别技术领域得到了广泛的应用。

然而，在应用Gabor小波变换算法进行人脸表情识别时，由于Gabor小波变换算法提取的是5个尺度8个方向的纹理信息，提取的特征维数较大，在特征提取后的识别过程中，需要将人脸表情的样本图像与提取出的每一特征进行比较，计算量大、计算时间长且内存的损耗大。

发明内容

本发明实施例的目的在于提供一种人脸表情的识别方法，旨在解决现有技术提供的基于Gabor小波变换算法的人脸表情的识别方法在进行人脸识别时，需要将人脸表情的样本图像与提取出的每一特征进行比较，计算量大、计算时间长且内存的损耗大的问题。

本发明实施例是这样实现的，一种人脸表情的识别方法，所述方法包括以下步骤：

利用ASM算法获取表情样本图像上的特征点的坐标，计算不同表情的平均形状，获得不同表情的样本平均形状模型并存储；

利用Gabor小波变换算法对表情样本图像进行Gabor滤波，之后提取出所述特征点的幅值纹理特征，再对提取出的幅值纹理特征进行降维，得到样本特征子空间和样本特征脸并存储;

读取一待识别人脸图像，利用存储的所述样本平均形状模型获取所述待识别人脸图像的表情形状模型；

对所述待识别人脸图像进行Gabor滤波，之后提取出所述表情形状模型上的特征点对应的幅值纹理特征，再将所述表情形状模型上的特征点对应的幅值纹理特征投影到存储的所述样本特征子空间，得到多个待识别特征脸；

计算所述待识别特征脸分别与存储的对应的所述样本特征脸之间的第一相似度系数。

在所述计算所述待识别特征脸分别与存储的所述样本特征脸之间的第一相似度系数的步骤之前或之后，还包括以下步骤：计算所述表情形状模型与所述样本平均形状模型之间的第二相似度系数；

在所述计算所述待识别特征脸分别与存储的所述样本特征脸之间的第一相似度系数的步骤之后，所述方法还包括以下步骤：计算所述第一相似度系数与所述第二相似度系数之和，并根据计算结果得到所述待识别人脸图像的表情。

所述利用ASM算法获取表情样本图像上的特征点的坐标，计算不同表情的平均形状，获得不同表情的样本平均形状模型并存储的步骤进一步包括：

接收表情样本图像，每一表情包含多个表情样本图像；

利用ASM算法手工标定所述表情样本图像上的多个特征点；

计算每一表情的所述多个表情样本图像上对应特征点的坐标平均值，得到的多个坐标平均值构成相应表情的平均形状模型并存储。

所述利用Gabor小波变换算法对表情样本图像进行Gabor滤波，之后提取出所述特征点的幅值纹理特征，再对提取出的幅值纹理特征进行降维处理，得到样本特征子空间和样本特征脸并存储的步骤进一步包括：

采用Gabor滤波器对所述表情样本图像进行Gabor滤波，得到所述表情样本图像对应的多个幅值图像；

从所述幅值图像中提取出所述特征点的幅值纹理特征；

将所述多个幅值图像的幅值纹理特征按照ASM算法获取表情样本图像上的特征点首尾顺次相接，得到一行向量；

利用子空间分析算法对所述行向量进行降维，得到每一表情的样本特征子空间和样本特征脸并存储。

所述对所述待识别人脸图像进行Gabor滤波，之后提取出所述表情形状模型上的特征点对应的幅值纹理特征，再将所述表情形状模型上的特征点对应的幅值纹理特征投影到存储的所述样本特征子空间，得到多个待识别特征脸的步骤进一步包括以下步骤：

采用Gabor滤波器对所述待识别人脸图像进行Gabor滤波，得到所述待识别人脸图像的多个幅值图像；

从所述待识别人脸图像的所述多个幅值图像中，分别提取出所述表情形状模型的特征点对应的幅值纹理特征；