[发明专利]基于证据理论的人脸表情识别方法

权利要求书

1.基于证据理论的人脸表情识别方法，其特征在于该方法包括以下步骤：

步骤1：采用JAFFE日本成年女性人脸表情数据库作为训练集，该数据库由10个人的213幅图像组成，每个人包含生气、高兴、害怕、厌恶、惊奇、悲伤、中性共7种表情各2～4幅图像；自照表情数据库由10个人的70幅图像组成，每个人7种表情各1幅图像，用该库作为测试集；

步骤2：将人脸表情数据库里的图像剪切出只含人脸和只含左眼的图像，经过图像预处理，然后对人脸图像尺度归一化为125×125，左眼图像尺度归一化为65×46，然后进行2DGabor小波变换，提取图像的均值和方差作为特征；

步骤3：利用欧式距离分类器对表情进行分类；

步骤4：利用证据理论对人脸图像识别结果和左眼图像识别结果两个识别结果进行决策融合。

2.根据权利要求1所述的方法，其特征在于，步骤2所述的2DGabor小波变换及图像均值和方差的具体计算方法如下：

2DGabor小波变换描述了图像上给定一点附近区域的灰度特征，这可以用一个卷积来定义：JJ(x→)=∫I(x→′)ψI(x→-x→′)d2x→′]]>

2DGabor滤波器函数表示为：ψI(x→)=||k→J||2σ2exp(-||k→J||2||x→||22σ2)[exp(ik→Jx→)-exp(-σ22)],]]>式中：是滤波器的中心频率；是给定位置的图像像素点的坐标，i为复数算子，σ为小波滤波器的带宽；表示滤波器的方向；参数k_υ和的取值如下：这里选择υ＝{0，1，2，3，4}，μ＝{0，1，…，7}，即5个尺度和8个方向组成的40个2DGabor小波组成的小波族用于表情图像特征的提取；

利用2DGabor小波对表情图像进行卷积，卷积后计算其均值和方差组成80维的特征向量，umn=Σi=1MΣj=1NI(i,j)M×N]]>为均值，δmn=Σi=1MΣj=1N(I(i,j)-umn)M×N]]>为方差。