基于结构性稀疏特征学的三维动态人脸表情识别方法

摘要

本发明涉及一种基于结构性稀疏特征学的三维动态人脸表情识别方法，对图像序列预处理，将人类表情样本的RGB和深度序列分别分割为三维模块；提取每个三维模块的LBP‑TOP纹理特征；以三维模块纹理特征为编码字典训练样本，并得到RGB和深度序列的编码字典B；利用编码字典B计算得到所有三维模块纹理特征的RGB和深度稀疏编码表示；利用汇聚算法将所有稀疏编码值汇聚统计表示，缩小特征维数，并合并RGB和深度特征，得到最终人脸表情序列特征；利用PCA算法降维，将降维后的特征输入CRFs实现样本训练；针对测试样本，依次采用上述步骤处理，投影至训练样本PCA空间降维，最终输入CRFs分类器实现表情识别。

主权项

一种基于结构性稀疏特征学习的三维动态人脸表情识别方法，其特征在于，其步骤是：(1)针对训练样本集，对图像序列预处理，将人类表情样本的RGB和深度序列分别分割为三维模块，使整个序列中的脸部图像像素位置一致；(2)提取每个三维模块的LBP‑TOP纹理特征；(3)以三维模块纹理特征为编码字典训练样本，通过字典初始化和更新流程分别得到RGB和深度序列的编码字典B；利用编码字典B计算得到所有三维模块纹理特征的RGB和深度稀疏编码表示；(4)利用汇聚算法将所有稀疏编码值汇聚统计表示，缩小特征维数，并合并RGB和深度特征，得到最终人脸表情序列特征；(5)利用PCA算法降维，将降维后的特征输入条件随机场模型(CRFs)实现样本训练；(6)针对测试样本，依次采用步骤2‑4处理，投影至训练样本PCA空间降维，最终输入条件随机场模型(CRFs)分类器实现表情识别。