一种基于云模型的人脸表情识别方法

摘要

本发明公开了一种基于云模型的人脸表情识别方法，包括步骤：一，对图像库中已有的人脸表情图像进行样本集训练，并采用逆向云生成器得到每组人脸表情图像的云数字特征值；二，将待识别人脸表情图像读取成数据矩阵；三，将待识别人脸表情图像添入到人脸表情样品集中任一组人脸表情图像A中，得到一组新人脸表情图像A₁，采用逆向云生成器得到该组新人脸表情图像A₁的云数字特征值；四，比较一组人脸表情图像A和一组新人脸表情图像A₁的云数字特征值，并依据两组云数字特征值的前后差异判定待识别人脸表情图像所属类别。本发明方法运用云模型提取人脸表情图像的云数字特征，并对所提取的云数字特征进行对比与分析，从而实现人脸表情识别。

主权项

一种基于云模型的人脸表情识别方法，其特征在于，包括以下步骤：步骤一，对图像库中已有的人脸表情图像进行样本集训练，该样本集训练分为两类：不同人的同一种表情和同一人的不同表情，即表情类和人脸类，并采用逆向云生成器提取样本集中每组人脸表情图像的云数字特征值{Ex,En,He}，其中，Ex、En、He分别表示期望值、超熵值、熵值；步骤二，将待识别的人脸表情图像读取成数据矩阵；步骤三，将待识别人脸表情图像添入到样本集中任一组人脸表情图像A中，得到一组新的人脸表情图像A₁，采用逆向云生成器得到该组新人脸表情图像A₁的云数字特征值{Ex1,En1,He1}，Ex1、En1、He1分别表示期望值、超熵值、熵值；步骤四，比较一组人脸表情图像A和一组新人脸表情图像A₁的云数字特征值，并依据两组云数字特征值的前后差异来判定待识别人脸表情图像在样本集中匹配的唯一一组人脸表情图像；所述的步骤一中提取样本集中每组人脸表情图像的云数字特征值{Ex,En,He}进一步包括以下子步骤：1.1将表情类和人脸类中每组人脸表情图像分别读取成数据矩阵；1.2采用逆向云发生器对步骤1.1中所得的每组数据矩阵分别进行图像特征提取，并获得每组数据矩阵所对应的人脸表情图像的云数字特征值{Ex,En,He}；所述的步骤四进一步包括以下子步骤：步骤4‑1、比较一组人脸表情图像A和一组新人脸表情图像A₁的云数字特征值，若期望值、超熵值、熵值的前后差异不大于设定阈值，则待识别人脸表情图像与一组人脸表情图像A匹配；否则，将待识别人脸表情图像添入到样品集中另一组人脸表情图像A’中，重复步骤三～四，直至找到与待识别人脸表情图像匹配的唯一一组人脸表情图像，则人脸表情识别完成；若无法在样本集中找到与待识别人脸表情图像匹配的唯一一组人脸表情图像时，执行步骤4‑2；步骤4‑2、该步骤进一步包括步骤：①若无法在样本集中找到与待识别人脸表情图像匹配的人脸表情图像，则在其他图像库中重新执行步骤一～四，若在设定循环次数内、在新图像库中找到不止一组人脸表情图像与待识别人脸表情图像匹配，则执行步骤②；若在设定循环次数仍未找出与待识别人脸表情图像匹配的人脸表情图像，则匹配不成功，结束匹配；②若在样本集中找到不止一组人脸表情图像与待识别人脸表情图像匹配，则减小设定阈值，重新执行步骤三～四，直至找到与待识别人脸表情图像匹配的唯一一组人脸表情图像。