一种基于二维偏最小二乘法的面部表情识别方法

摘要

本发明涉及一种基于二维偏最小二乘法的图像局部特征提取方法。本发明是将训练样本图分为七种表情，并分成大小相等的若干个子块，利用LBP算子提取每个子块的纹理特征，并构成局部纹理特征矩阵，采用自适应加权机制，对表情识别的差别赋予不同权值，使用二维偏最小二乘法对局部纹理特征矩阵进行统计特征提取，形成七种表情模板数据，完成训练过程，最接近者便是该幅输入图像的表情归属。解决了现有的面部表情识别方法所造成的破坏原始结构信息、粗糙、正确率低及耗时太长，无法实际应用等缺陷。本发明将传统偏最小二乘法为二维偏最小二乘法与局部二元模式算子结合并利用自适应加权方法所得到的图象具有客观、精确、节省时间。

主权项

1.一种基于二维偏最小二乘法的面部表情识别方法，其步骤如下：(1)将训练样本图像集按照七种表情分类，即愤怒、厌恶、恐惧、高兴、中性、悲伤和惊讶；(2)将样本图像划分成大小相等的若干个子块；(3)利用LBP算子提取每个子块的纹理特征；(4)将每幅样本图像所提取的LBP纹理特征构成一个局部纹理特征矩阵；(5)采用自适应加权机制，即对m个子块赋予合理的权值，对训练样本中所有中性表情图像求出中性平均脸，并提取该中性平均脸的局部纹理特征矩阵A＝[a1，…，am]，对于所有有表情图像则分别求出对应的局部纹理特征矩阵$H_i=[h_1^i,...,h_m^i],$ 然后利用卡方距离计算出所有有表情图像与中性平均脸图像在某个子块上的LBP直方图差异，所得差异的和作为该子块的自适应权重，如下所示：$e_j=\underset{i}{\Sigma }{x}^2(a_j,h_j^i),(j=1,...,m)---\left(1\right)$ 并根据每个子块对面部表情识别重要性的差别分别赋予不同的权值；(6)使用二维偏最小二乘法对所有样本图像得到的局部纹理特征矩阵进行统计特征提取，形成七种表情对应的模板数据，完成训练过程；(7)当新图像输入时，按照(2)至(6)步骤完成新图像的纹理、统计特征的提取，然后与步骤(6)形成的七种表情的模板数据进行度量，最接近者便是该幅输入图像的表情归属。