[发明专利]一种基于Gabor小波和灰度共生矩阵的人脸表情识别方法

说明书

一种基于Gabor小波和灰度共生矩阵的人脸表情识别方法，该方法首先通过手工分割的方法提取出表情图像中的“纯脸”区域，并进行彩色图像灰度化、直方图均衡化以及尺度归一化处理；然后通过一种分块提取Gabor特征统计量的方法，大大降低了传统Gabor特征的数据冗余，并首次将反映图像纹理特征的灰度共生矩阵引入到表情识别领域，以此来弥补Gabor特征分块处理造成的像素空间相关性缺失的不足；最终生成了一组用于特征表达的低维特征向量，在保证较高表情识别率的前提下，大大提高了表情识别速率。

技术领域

本发明涉及人脸表情识别领域，设计并实现了一种基于Gabor小波和灰度共生矩阵的人脸表情识别算法。

背景技术

人脸表情蕴含着丰富的个人情感信息，是人类进行情感表达的重要方式。计算机通过对人脸表情进行识别，可以了解到人类对应的心理状态，从而更好的服务于人类生活的各个方面，如人机交互、智能安防、医疗监护、心理分析等。目前，多数的表情识别算法主要针对正面无遮挡的人脸表情图像进行实验，一定程度上保留了完整的表情信息。但在现实生活中，表情被遮挡的情况时有发生，头发、墨镜、口罩、手势等产生的遮挡均会造成表情信息的缺失，致使算法的识别率与鲁棒性下降。因此，针对局部遮挡的人脸表情图像，提出更为鲁棒的人脸表情识别算法，已经成为计算机智能化应用领域的研究热点。

人脸表情识别一般包括以下三个环节：人脸检测与图像预处理、表情特征提取以及表情分类。其中，表情特征提取是决定人脸表情识别过程是否精准有效的重要环节，也是表情识别研究的核心内容。局部遮挡的存在会造成部分表情信息的缺失，给表情特征提取带来一定的阻碍。针对这一问题，众多学者展开了相应研究，主要形成了两类处理面部遮挡的方法：一类是舍弃法，即舍弃遮挡区域的表情信息，利用未遮挡区域的表情信息来完成特征提取工作；另一类是重建法，即先对遮挡区域进行重建恢复，然后再进行表情特征提取。鉴于重建法必须以无遮挡时的表情图像作为参考，无形中加大了图像处理的工作量，且重建效果的好坏会受到算法性能、遮挡面积等因素的影响，所以多数研究者选用舍弃法来完成局部遮挡条件下的表情特征提取。

在众多局部遮挡条件下的表情特征提取算法中，Gabor小波被广泛的应用。Gabor小波可以提取图像不同尺度、不同方向下的表情特征，它被证实在图像局部特征提取上具有明显的优势，对遮挡条件下的表情识别具有良好效果。因此，诸多研究者围绕着Gabor小波在局部遮挡的人脸表情识别上的效果展开深入研究，形成了各种基于Gabor小波或是基于Gabor小波与其他算法相结合的表情特征提取算法。例如，2012年，澳大利亚昆士兰科技大学的Zhang强调了Gabor滤波器在局部纹理信息提取方面的重要作用，以及对遮挡条件下表情识别的有效性。同年，Azmi在20th伊朗电子工程会议(ICEE)上提出将局部Gabor二元模式直方图序列(Local Gabor Binary Pattern Histogram Sequence,LGBPHS)引入到表情识别领域，证明了LBP和直方图的引入对Gabor特征起到了降维作用，同时组合算法的识别率也优于单一算法的识别率。在此基础上，吉林大学的刘帅师提出了Gabor多尺度特征融合与LGBPHS相结合的算法，进一步降低了Gabor特征的维数。这些算法取得了较好的识别效果，推动着鲁棒人脸表情识别技术的发展。

但是，由于Gabor小波提取的表情特征往往具有较高的维度，这使得各种结合了Gabor小波的特征提取算法都存在计算量大、复杂度高的缺点，导致整个表情识别过程耗时较长，不利于表情识别从实验仿真走向实际应用。因此，如何在保证局部遮挡表情识别准确率不下降的前提下，降低特征维数、减少计算量，从而提高表情识别速率，成为本发明亟待解决的问题。

发明内容