一种鲁棒的人脸表情识别方法

摘要

本发明一种鲁棒的人脸表情识别方法：通过鲁棒主成分分析对人脸图像进行重构，并对原始人脸图像与重构后的人脸图像的差值图像进行显著性分析，检测出遮挡区域，然后根据对遮挡区域的图像进行重构以去除遮挡，最后对去除遮挡后的人脸图像进行表情分类，获得表情识别结果。本发明对各种脸部遮挡情况都有较好的去除遮挡能力，对于提高遮挡情况下的人脸表情识别率有重要意义，是一种可行的鲁棒的人脸表情识别方法。

主权项

1.一种鲁棒的人脸表情识别方法，其特征在于，该识别方法步骤如下：步骤1：将N个不含遮挡的L类人脸表情图像归一化为数据矩阵Ci∈Rm×n (i＝1…M)，作为训练样本，采用沙皮尔即Schapire提出的多分类AdaBoost方法训练人脸表情分类器；步骤2：将M个包括含遮挡和不含遮挡的L类人脸表情图像归一化为数据矩阵Ai∈Rm×n(i＝1…M)，作为训练样本，令s＝m×n，将Ai展开为一维列数据向量di∈Rs×1(i＝1…M)，构成输入矩阵D＝[d1d2…dM]∈Rs×M，采用费南多即Fernando提出的鲁棒主成分分析即Robust Principle Component Analysis，RPCA方法，得到鲁棒均值向量μ∈Rs×1和鲁棒本征向量B∈Rs×k，k H E , R = - Σ i P E , R ( e i ) log 2 P E , R ( e i ) 式(4)其中PE，R(ei)指差值图像矩阵E在扫描窗口R取值为ei(0≤ei≤255)的概率；步骤7：对所有扫描窗口R的显著值HE，R取最大显著值Hmax＝max{HE，R}，并判定遮挡区域，如式(5)所示，若显著值Hmax大于预设定的阈值H0，与Hmax相关的区域被判定为遮挡区域，否则判定为不存在遮挡区域； 式(5)步骤8：对人脸表情图像矩阵P的遮挡区域进行重构，如式(6)所示；若Rocclusion不为空，跳转到步骤4；若Rocclusion为空，继续执行步骤9；$P(x,y)=\left\{\begin{array}{cc}P(x,y)& (x,y)\notin R_{\mathrm{occlusion}}\\ P\prime (x,y)& (x,y)\in R_{\mathrm{occlusion}}\end{array}\right.$ 式(6)步骤9：将人脸表情图像矩阵P作为步骤1训练所得人脸表情分类器的输入，得到人脸表情识别结果。