基于特征点矢量与纹理形变能量参数的人脸表情识别方法

摘要

本发明提出了一种基于特征点矢量与纹理形变能量参数的人脸表情识别方法，概括为：1、利用OPENCV的AAM工具对人脸表情序列始端的中性表情和末端表情分别进行特征点定位；2、将选取的26个特征点构成特征点矢量，为适应人脸表情识别，本发明将特征点矢量分为特征点之间的欧氏距离d（代表大小）和连线的夹角α（代表方向）两部分。根据d与α计算特征点之间的距离系数比k_d，去掉冗余部分k_l，得到k_d‑final。同理可以得到k_α‑final；3、根据特征点确立特征块，计算纹理形变能量系数矩阵，再经过PCA，最终得到纹理形变能量参数k_s‑final；4、将最终的特征输入，即：k_final=k_d‑final+k_α‑final+k_s‑final作为RBF神经网络的训练数据，最终实现人脸表情识别。

主权项

基于特征点矢量与纹理形变能量参数的人脸表情识别方法，其主要特征在于：步骤1：利用OPENCV的AAM工具对人脸表情序列始端的中性表情和末端的惊讶表情分别进行特征点定位，最后选取52个特征点记为与其中i为1至26中任意整数；步骤2：将选取的特征点构成特征点矢量，为适应人脸表情识别，将特征点矢量分为代表大小的特征点之间的欧氏距离d和代表方向的连线夹角α两部分，计算特征点之间的距离和特征点连线的夹角和然后对所得距离与夹角进行标准化，即计算特征点之间的距离系数比k_d，使之等于计算特征点连线夹角之间的系数比k_α，使之等于再将所有表情条件下两个比值不会发生变化或者变化很小的冗余特征k_l去除，最终参与后续训练分类实验的特征输入记为k_d‑final和k_α‑final；步骤3：根据特征点确立特征块，选取两个特征块记为F_15,16,9,2和F_3,10,13,6，其中下标表示特征点标号，调整特征块大小后，对特征块进行傅里叶变换；随后，将得到的惊讶与中性频谱图相比，则得到比例系数矩阵，再转化为系数向量；最后，系数向量组合后再进行主成分分析，得到纹理形变能量参数，记为k_s‑final；步骤4：将最终的输入特征，即：k_final＝k_d‑final+k_α‑final+k_s‑final作为RBF神经网络的训练数据，从而实现人脸表情识别。