[发明专利]一种人脸身份和表情的同步识别方法

说明书

技术领域

本发明涉及一种人脸识别方法，特别涉及一种人脸身份和表情的同步识别方法。

背景技术

人脸面部图像中包含着丰富的信息，通过面部图像不仅可以识别人的身份，而且可以识别人的面部表 情。目前，面部表情识别和身份识别已成为计算机视觉和模式识别领域中的两大热点研究问题。面部表情 识别的主要目标是从人脸面部图像中提取能反映情绪类别的主要特征，并在此基础上进行表情分类与识 别。大部分传统的面部表情识别方法是将面部图像划分为七种基本表情类型(高兴、悲伤、惊奇、生气、 厌恶、害怕、中性)中的一种。与面部表情识别方法类似，人脸识别的目标则是将未知身份的人脸图像匹 配到某一已知类别的人脸图像，从而达到人脸身份识别的目的。

由于识别目标的不同，人脸识别和表情识别往往被作为两个独立的任务来完成。然而，在某些场合下， 进行人脸身份和表情的同步识别具有一定的特殊意义。例如，在基于面部表情的儿童情绪类型鉴别研究中， 我们不仅要识别儿童的面部表情，而且还要了解不同儿童个体间的情绪差异。因此，如果能同时识别儿童 的身份和表情类型，将能更好的完成该任务。但是而目前为止，二者同步识别方面的方法的研究还不够深 入，还无法达到理想的识别效果。

发明内容

本发明的目的就在于解决现有技术的缺陷，设计了一种人脸身份和表情的同步识别方法。

本发明的技术方案是：

一种人脸身份和表情的同步识别方法，其特征在于包括以下步骤：

(1)面部特征提取：

面部特征由面部几何特征和Gabor小波特征两部分组成；其中面部几何特征定义为由面部关键点的坐 标值所组成的特征矢量，而Gabor特征提取则是用一组具有不同尺度和方向的Gabor滤波器组对每幅人脸 图像进行卷积，得到幅值图像，然后面部关键点处的幅值所组成的特征矢量作为Gabor特征矢量；此外， 还必须为每一幅图像建立相应的语义特征矢量，用于后续的识别；

(2)特征融合：

在获得几何特征矢量和Gabor特征矢量后，运用核主成分分析(KPCA)法对两组特征矢量进行变换 处理，再将变换后的两组特征矢量合并为一组新的特征矢量作为人脸身份和表情识别用的输入特征矢量。

(3)人脸和表情的同步识别：

首先采用偏最小二乘(PLSR)方法建立输入特征矢量和相应的输出语义矢量之间的关系表达式，然后 根据该关系式对待测试的人脸图像的输入特征预测其所对应的语义特征，并依据语义特征进行人脸的身份 和表情的分类。

在所述的人脸身份和表情的同步识别方法中，在所述的面部特征提取过程中，按人工标定或计算机自 动标定的方式在每幅人脸图像中标定出34个关键点(用于JAFFE面部表情数据库)或22个关键点(用于 AR人脸数据库)。

在所述的人脸身份和表情的同步识别方法中，所述的Gabor特征提取过程采用的Gabor小波的方向和 尺度分别为5个方向和6个尺度，首先用一组Gabor滤波器对人脸图像进行卷积，再取脸部关键点处卷积 图像的幅值作为Gabor小波在该关键点处的特征值。

在所述的人脸身份和表情的同步识别方法中，所述的人脸图像的语义特征定义为7种基本表情的强度 大小以及该表情图像所对应的人脸身份信息。

在所述的人脸身份和表情的同步识别方法中，在运用核主成分分析法时，由选定的核函数决定映射关 系Φ(x_i)；将表示对N个训练样本所提取的N个几何特征矢量x_i¹及所对应的Gabor特征矢量 x_i²(i＝1，…，N)从输入空间映射到高维的再生核希尔伯特空间F₁和F₂中，即：