一种奇、偶分组的局部二元模式的人脸表情识别方法

摘要

本发明公开一种奇、偶分组的局部二元模式的人脸表情识别方法，包括训练和识别阶段；训练阶段的方法为，将所有训练样本的每张人脸图像进行均匀地、无交叠分块处理，对每个子块提取奇、偶分组的局部二元模式后转换成Uniform模式，形成特征直方图，把每个子块的特征直方图合为整体构成训练样本集的特征集合；识别阶段的方法是：对待测样本的每张人脸图像进行均匀地、无交叠分块处理，对每个子块提取奇、偶分组的局部二元模式后转换成Uniform模式，形成特征直方图，把每个子块的特征直方图合为整体作为待测特征，预测待测样本所属的类别。本发明对图像的噪声具有较强的鲁棒性，可增加LBP算子的鲁棒性，提高人脸表情识别的识别率，大大减少识别所需时间。

主权项

一种奇、偶分组的局部二元模式的人脸表情识别方法，其特征是，包括训练和识别阶段；训练阶段的方法为，首先，将所有训练样本的每张人脸图像进行均匀地、无交叠分块处理，然后对每个子块提取奇、偶分组的局部二元模式后转换成Uniform模式，形成特征直方图，接着把每个子块的特征直方图合为整体构成训练样本集的特征集合；识别阶段的方法是：对待测样本的每张人脸图像进行均匀地、无交叠分块处理，然后对每个子块提取奇、偶分组的局部二元模式后转换成Uniform模式，形成特征直方图，接着把每个子块的特征直方图合为整体作为待测特征，预测待测样本所属的类别；所述提取奇、偶分组的局部二元模式是将局部二元模式编码分成两组，g_c是中心像素，g₁,g₂,…,g₈是其周围8个采样点，g_c的局部纹理特征T舍弃亮度信息后：T≈t(g₁‑g_c,…,g₈‑g_c)  (6)其中，t()表示函数映射关系；再以中间像素点的灰度值作为阈值，将周围的8个灰度值与中心点的灰度值进行比较，如果该点的灰度值大于或等于中心点的灰度值则给该像素赋1，反之赋0；则，T≈t[s(g₁‑g_c),…,s(g₈‑g_c)]  (7)其中，$s\left(x\right)=\left\{\begin{array}{c}1,if(x\ge 0)\\ 0,if(x<0)\end{array}\right.---\left(8\right)$对每个s(x)都分配一个二次项系数2^p(0≤p≤3)，那么，奇分组的局部二元模式OLBP:$OLBP=\underset{p=0}{\overset{3}{\Sigma }}s(g_{2p+1}-g_c)\times 2^p---\left(9\right)$偶分组的局部二元模式ELBP:$ELBP=\underset{p=0}{\overset{3}{\Sigma }}s(g_{2(p+1)}-g_c)\times 2^p---\left(10\right).$