[发明专利]一种基于ELM的人脸表情识别方法

说明书

技术领域

本发明涉及人脸表情识别领域,特别是一种基于ELM的人脸表情识别方法。

背景技术

人脸表情识别是人机交互研究中的重要研究方向，涉及到图像处理与分析、人工智能、模式识别、计算机视觉、计算机图形学等多种学科。对人机交互的研究也是对这些学科以及相关领域的促进。在多模式人机交互界面中，表情与视线、体态、声音等结合起来可以获得更高效的人机交流。

对表情识别进行深入研究可以使机器人更好地理解人类的感情和心理，在与人的交互环境中，变得更人性化，更智能，从而更有利于服务人类，并且人脸表情识别在很多其他的领域中存在着潜在的使用价值，例如人机交互、远程教育、安全领域、智能机器人研制、医疗、合成面部动画、视频检索、虚拟现实技术等。通过分析和识别人脸的表情，能够有助于更好的认知人的心理状态。语言有时候并不能完全真实传达人的想法，但表情却能够在一定程度上体现出人的内心感受。因此人脸表情识别将在未来获得更为深入的研究和更广阔的应用。如果计算机也能够像人类那样具有理解和表达情感的能力，自主适应环境，将从根本上改变人与计算机之间的关系，使计算机更好地为人类服务。这也正是研究人脸表情识别并赋予计算机具有情感理解和情感表达课题的重要意义。

发明专利“一种人脸表情的识别方法及系统”的步骤是：步骤1：获取人脸表情样本图像；步骤2：人脸表情样本图像处理以及特征提取获得特征序列；步骤3：将提取的表情序列特征作为观测序列，然后对表情样本进行训练，为各种表情建立相应的隐马尔科夫模型；步骤4：组合各种表情的隐马尔科夫模型，形成人脸表情分类器；其中，步骤2(人脸表情样本图像处理以及特征提取获得特征序列)的具体实施过程是：首先对表情图像样本进行二值化和灰度化，然后采用光流法对样本进行表情特征提取，获得特征序列。步骤4(组合各种表情的隐马尔科夫模型，形成人脸表情分类器)。通过这方表情识别方式能够得到相应的二值图和灰度图，基本的表情识别都会经过对表情图像进行处理，得到二值图和灰度图才能进一步的进行表情特征提取。

方法存在不足：

现有的方法无论从实用性、可靠性和精度来说，都存在着不足。

表情识别离不开特征提取，迄今对表情特征提取已进行了许多研究，并提出了很多相关算法。前期算法多数针对的是静态表情图像，是从单帧图像中提取出表情特征作为表情识别的依据，如几何特征提取法、Gabor滤波法、局部二元模式(LBP)、活动外观模型(AAM)、自相关特征法和矩特征法等。但是由于表情的变化过程是一个从开始到发展然后消退的动态过程，根据单帧图像识别表情很难获得较高的识别率。提取表情序列特征的方法，常见的有特征点跟踪法、模型跟踪法和光流特征法等。特征点跟踪法和模型跟踪法分别是通过跟踪预先确定的特征点或模型获得序列的表情特征参数，均需要手工干预，很难自动实现。光流特征法则是根据序列的光流变化分析表情，缺点在于对光照变化非常敏感。

现有的表情分类的方法主要有隐马尔科夫模型(HMM)、神经网络、Adaboost、支持向量机(SVM)，但这些方法在表情训练分类中也存在着训练速度慢，泛化性能低，调节参数多的问题。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种基于ELM的人脸表情识别方法，在不受光照影响的情况下提高表情识别率。

为解决上述技术问题，本发明所采用的技术方案是：一种基于ELM的人脸表情识别方法，包括以下步骤：

1)对彩色表情图像进行预处理，得到预处理后的表情图像；

2)采用Adaboost分类器对预处理后的表情图像进行人脸检测，得到人脸区域，并对人脸区域中含有表情信息的区域进行分割；

3)对上述步骤2)处理后的人脸表情图像I，用Gabor滤波器对人脸表情图像I进行特征提取，得到人脸表情图像I的总特征{F₁,F₂,...,F_k}；其中，k为人脸表情图像I的总像素；