基于AVR和增强LBP的表情识别方法

摘要

一种模式识别技术领域的基于AVR和增强LBP的表情识别方法，包括：采集原始图像；扩充虚拟样本；对标准人脸图像进行小波分解；局部二进制模式特征LBP的提取；计算增强方差比率AVR特征值并附加惩罚因子，然后提取出若干组以AVR值相区分的不同维度的特征值，然后进行支持向量机分类正确率测试，将正确率最高的特征维度及相应的特征值作为LBP特征。本发明方法集成了图像采集、人脸检测、人眼检测，通过小波分解进行LBP特征的增强，并采用AVR方法进行有效特征的提取，使得准确率得到有效提高。

主权项

1、一种基于AVR和增强LBP的表情识别方法，其特征在于，包括如下步骤：第一步、采集原始图像：通过视频采集设备采集彩色空间下的人脸图像，然后通过人脸检测器对摄像头采集的图像进行人脸检测，并将检测到的人脸图像保存，再通过人眼检测器对标准人脸图像进行人眼的检测，标识出人脸图像中的人眼的位置，最后采用二维模型进行人脸进行裁剪，得到标准人脸图像；第二步、扩充虚拟样本：采用左右旋转处理、上下平移处理、左右平移处理等方法对标准人脸图像进行虚拟样本的生成，扩充样本数量；第三步、对标准人脸图像进行小波分解：通过对标准人脸图像进行多贝西小波分解，并通过小波系数的重构得到与原图像相同分辨率的低频近似图像、水平高频细节图像、垂直高频细节图像和对角高频细节图像；第四步、局部二元模式特征的提取：首先将低频近似图像、水平高频细节图像、垂直高频细节图像和对角高频细节图像归一化分辨率，然后分别对归一化后的低频近似图像、水平高频细节图像、垂直高频细节图像和对角高频细节图像进行分块加权处理，最后把该四幅图像的分块特征作为特征向量；第五步、计算增强方差比率特征值并附加惩罚因子，然后提取出若干组以AVR值相区分的不同维度的特征值，然后进行支持向量机分类正确率测试，将正确率最高的特征维度及相应的特征值作为LBP特征；第六步、测试样本的表情分类：通过RBF核函数采用SVM分类器进行人脸表情的识别，得到最终的表情结果。