一种人脸表情识别方法技术

本发明专利技术涉及模式识别技术领域，尤其涉及一种人脸表情识别方法。解决人脸表情识别准确率率不高的问题。方法包括：步骤1、采集人脸表情图像；步骤2、图像预处理；步骤3、将预处理后的图像分成训练表情样本和测试表情样本；步骤4、人脸表情特征提取与特征降维，得到；步骤5、训练人脸表情识别模型；步骤6、将降维得到的测试表情样本的特征值输入人脸表情识别模型进行识别，得到识别结果。对采集到的图像进行彩色图像灰度化、头部姿势矫正等一系列预处理，有助于后续对人脸表情的特征提取和识别；采用层次分类法，将多个支持向量机进行组合在一起，减少了工作量，提高了对人脸表情识别的准确率。率。率。

【技术实现步骤摘要】
一种人脸表情识别方法


[0001]本专利技术涉及模式识别
，尤其涉及一种人脸表情识别方法。

技术介绍

[0002]随着科学技术的迅猛发展，人脸识别技术在日常生活中也运用的越来越普遍，例如日常消费时的刷脸支付，乘坐火车、动车时的刷脸验证，门禁系统的刷脸通行，很显然，科技改变了我们的生活，也改变了我们的行为习惯。
[0003]目前，传统的人脸识别方法是首先提取人脸的多种低水平特征，然后通过复杂的融合方式将多种低水平特征进行融合，最后送入分类器中进行人脸分类判断。然而，这些低水平特征无法很好的表达出人脸中蕴含的表情信息，而且识别速度低，需要花费较多的时间，且识别准确度差，因此不利于实现人脸表情识别。
[0004]因此，专利技术一种人脸表情识别方法，提取出能够表达出人脸中蕴含的表情信息的特征，并且快速、准确地对人脸图片进行表情识别就很有必要。

技术实现思路

[0005]本专利技术的目的在于提供一种人脸表情识别方法，用以解决人脸表情识别准确率率不高的问题。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种人脸表情识别方法，步骤如下:
[0008]步骤1、采集人脸表情图像；
[0009]步骤2、图像预处理；
[0010]步骤3、将预处理后的图像分成训练表情样本和测试表情样本；
[0011]步骤4、人脸表情特征提取与特征降维，得到；
[0012]步骤5、训练人脸表情识别模型；
[0013]步骤6、将降维得到的测试表情样本的特征值输入人脸表情识别模型进行识别，得到识别结果。
[0014]优选地，所述步骤1中具体包括：摄影师分别对10名成年男性和10名成年女性拍摄不同表情的图像，每人每一种表情图像为3张，合计420张图像，分辨率设成300像素/英寸，像素大小为413
×
626。
[0015]优选地，所述步骤2中，预处理包括：彩色图像灰度化、头部姿势矫正、人脸裁剪、大小归一化和直方图均衡化；
[0016]彩色图像灰度化由如下公式得到：
[0017]Y＝0.229*R+0.587*G+0.114*B
ꢀꢀ
(1)
[0018]公式(1)中，R、G、B分别表示RGB的三个分量；
[0019]头部姿势矫正是将两只眼睛不在同一水平线上的图像进行适当的旋转调整，便于后续对人脸表情特征的提取和识别，对于二维图像，假设左眼睛的近似坐标为(x1,y1)，右眼
睛的近似坐标为(x2,y2)，旋转角度的计算公式如下：
[0020][0021]公式(2)中，acrtan表示反正切运算，θ为旋转角度，表示两眼睛的连线与水平方向的夹角，当θ为负值时表示逆时针旋转，当θ为正值时表示顺时针旋转；
[0022]旋转公式如下：
[0023][0024]公式(3)中，(x
′
,y
′
)表示旋转后图像，(x,y)表示原始图像；
[0025]人脸裁剪具体包括：假设左眼睛的近似坐标为(x
L
,y
L
)，右眼睛的近似坐标为(x
R
,y
R
)，两只眼睛之间的距离为d＝x
R
‑
x
L
，裁剪的矩形上边距离两只眼睛的水平线为0.5d，裁剪的矩形下边距离两只眼睛的水平线为1.5d，裁剪的矩形的水平长度为2d；
[0026]大小归一化具体包括：
[0027]假设原始图像与标准图像在长和宽两个方向的缩放比例分别为ρ
x
和ρ
y
，当ρ
x
或者ρ
y
大于1时，表示图像被放大，当ρ
x
或者ρ
y
小于1时，表示图像被缩小，缩放公式如下：
[0028][0029]本专利技术大小归一化后的图像大小为100*100像素；
[0030]直方图均衡化具体如下：
[0031]对于灰度图像，灰度级用R
k
表示，那么R
k
出现的概率为：
[0032][0033]公式(5)中，N表示灰度图像中的像素总和，n
k
表示灰度级为R
k
的像素出现的个数，L表示灰度级总数；
[0034]对图像进行直方图均衡化处理的变换函数表示如下：
[0035][0036]由公式(6)得到直方图均衡化后的图像。
[0037]优选地，所述步骤3中具体包括：随机抽取预处理后的图像将其分成训练表情样本和测试表情样本，比例为8:1。
[0038]优选地，所述步骤4中，人脸表情特征提取采用Gabor滤波器，具体如下:
[0039]Gabor滤波器表示如下：
[0040][0041][0042]公式(7)和(8)中，u,v表示Gabor滤波器的方向和尺度，i表示复数算子，σ表示滤波
器带宽，k
u,v
表示滤波器的中心频率，||k
u,v
||表示取模运算，z＝(x,y)表示像素坐标，k
max
表示最大频率，k
max
一般取值f一般取值为σ一般取值的主要作用是补偿能量谱衰减，表示高斯包络函数，exp(ik
u,v
·
z)表示实部为余弦函数，虚部为正弦函数构成的振荡函数，表示直流分量；
[0043]本专利技术的采样是在5个尺度和8个方向,并选取σ＝2π，得到40个滤波器模板；
[0044]假如表情灰度图像的灰度值为I(x,y)，与Gabor滤波器φ(x,y)做卷积运算，公式如下：
[0045][0046]公式(9)中，*表示卷积运算。
[0047]优选地，特征降维采用PCA，PCA是以样本特征向量在特征空间的分布为原始数据，通过实行线性或非线性变换，我到维数较少的组合特征，把原始数据压缩到一个低维子空间中，达到降低特征维数的目的，具体如下：
[0048]假设有图像样本集{I1,I2,I3,
…
,I
n
}，n表示样本个数，每幅图像大小为N
×
N,从原始图像中提取出的表情特征向量记为X
i
＝[X
i1
,X
i2
,
…
,X
id
]，d表示图像特征的维数，n个样本构成的矩阵记为X＝[X1,X2,
…
,X
i
,
…
,X
n
]；
[0049]样本图像的特征向量均为：
[0050][0051]样本的协方差矩阵表示为：
[0052][0053]公式(11)中，C表示N2×
N2矩阵，E表示数学期望；
[0054]令则有：
[0055][0056]由C
T本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸表情识别方法，其特征在于，包括以下步骤:步骤1、采集人脸表情图像；步骤2、图像预处理；步骤3、将预处理后的图像分成训练表情样本和测试表情样本；步骤4、人脸表情特征提取与特征降维，得到；步骤5、训练人脸表情识别模型；步骤6、将降维得到的测试表情样本的特征值输入人脸表情识别模型进行识别，得到识别结果。2.如权利要求1所述的一种人脸表情识别方法，其特征在于，所述步骤1中具体包括：摄影师分别对10名成年男性和10名成年女性拍摄不同表情的图像，每人每一种表情图像为3张，合计420张图像，分辨率设成300像素/英寸，像素大小为413
×
626。3.如权利要求2所述的一种人脸表情识别方法，其特征在于，所述步骤2中，预处理包括：彩色图像灰度化、头部姿势矫正、人脸裁剪、大小归一化和直方图均衡化；彩色图像灰度化由如下公式得到：Y＝0.229*R+0.587*G+0.114*B
ꢀꢀꢀꢀ
(1)公式(1)中，R、G、B分别表示RGB的三个分量；头部姿势矫正是将两只眼睛不在同一水平线上的图像进行适当的旋转调整，便于后续对人脸表情特征的提取和识别，对于二维图像，假设左眼睛的近似坐标为(x1,y1)，右眼睛的近似坐标为(x2,y2)，旋转角度的计算公式如下：公式(2)中，acrtan表示反正切运算，θ为旋转角度，表示两眼睛的连线与水平方向的夹角，当θ为负值时表示逆时针旋转，当θ为正值时表示顺时针旋转；旋转公式如下：公式(3)中，(x
′
,y
′
)表示旋转后图像，(x,y)表示原始图像；人脸裁剪具体包括：假设左眼睛的近似坐标为(x
L
,y
L
)，右眼睛的近似坐标为(x
R
,y
R
)，两只眼睛之间的距离为d＝x
R
‑
x
L
，裁剪的矩形上边距离两只眼睛的水平线为0.5d，裁剪的矩形下边距离两只眼睛的水平线为1.5d，裁剪的矩形的水平长度为2d；大小归一化具体包括：假设原始图像与标准图像在长和宽两个方向的缩放比例分别为ρ
x
和ρ
y
，当ρ
x
或者ρ
y
大于1时，表示图像被放大，当ρ
x
或者ρ
y
小于1时，表示图像被缩小，缩放公式如下：本发明大小归一化后的图像大小为100*100像素；直方图均衡化具体如下：对于灰度图像，灰度级用R
k
表示，那么R
k
出现的概率为：
公式(5)中，N表示灰度图像中的像素总和，n
k
表示灰度级为R
k
的像素出现的个数，L表示灰度级总数；对图像进行直方图均衡化处理的变换函数表示如下：由公式(6)得到直方图均衡化后的图像。4.如权利要求3所述的一种人脸表情识别方法，其特征在于，所述步骤3中具体包括：随机抽取预处理后的图像将其分成训练表情样本和测试表情样本，比例为8:1。5.如权利要求4所述的一种人脸表情识别方法，其特征在于，所述步骤4中，人脸表情特征提取采用Gabor滤波器，具体如下:Gabor滤波器表示如下：Gabor滤波器表示如下：公式(7)和(8)中，u,v表示Gabor滤波器的方向和尺度，i表示复数算子，σ表示滤波器带宽，k
u,v
表示滤波器的中心频率，||k
u,v
||表示取模运算，z＝(x,y)表示像素坐标，k
max
表示最大频率，k
max
一般取值f一般取值为σ一般取值2π，的主要作用是补偿能量谱衰减，表示高斯包络函数，exp(ik
u,v

【专利技术属性】
技术研发人员：自建平，
申请(专利权)人：自建平，
类型：发明
国别省市：