基于改进的免疫算法优化支持向量机参数的表情识别方法

摘要

本发明涉及一种模式识别领域的识别方法，具体涉及一种基于改进的免疫算法优化支持向量机参数的表情识别方法。其目的在于利用改进的人工免疫算法所具备的局部搜索能力和全局搜索能力对支持向量机的参数进行寻优，以得到最优的表情分类效果。本发明采用将人脸表情图像库中表情图像按照七种表情分为七类；对图像库中原始图像进行预处理；利用局部Gabor滤波器组及二维核主成分分析法对预处理后的表情图片进行特征提取及特征降维；利用改进的人工免疫算法优化支持向量机参数；利用表情数据库进行人脸表情分类实验等步骤，将改进的人工免疫算法应用到支持向量机参数优化过程中，实现支持向量机参数自动优化并最终实现人脸表情的精确分类。

主权项

一种基于改进的免疫算法优化支持向量机参数的表情识别方法，其特征在于，包括如下步骤：步骤一，将人脸表情图像库中表情图像按照七种表情分为七类，即愤怒、厌恶、恐惧、高兴、中性、悲伤和惊讶；步骤二，对图像库中原始图像进行预处理，包括：特征点定位、特征区域分割、尺寸归一化和光照归一化；步骤三，利用局部Gabor滤波器组及二维核主成分分析法对预处理后的表情图片进行特征提取及特征降维；步骤四，利用改进的人工免疫算法优化支持向量机参数，将改进的人工免疫算法应用到支持向量机参数优化过程中，为了实现支持向量机参数的自动选择以及控制参数搜寻方向，将改进的人工免疫算法与支持向量机进行结合，构造了改进的人工免疫算法——支持向量机模型，控制参数的选择方向，实现支持向量机参数自动优化，利用找到最优参数的支持向量机进行人脸表情分类；步骤五，利用日本女性面部表情数据库、剑桥大学表情库和耶鲁大学表情库进行人脸表情分类实验，以提高识别精度。