[发明专利]一种人脸表情识别方法

说明书

本发明涉及一种人脸表情识别方法，包括以下步骤：对人脸图片进行预处理；对预处理完的人脸图片做基于uniform LGBP的特征提取，并建立图片特征的显著性；使用遗传算法对图片特征进行第一次特征选取，得到优秀的种群；根据得到的优秀的种群作为每类表情特征的优秀种群的比较值，来建立类内和类间的两个新的目标函数，目标就是最小化类内函数的值和最大化类间函数的值，并使用Pareto优化算法来对其进行优化；进行脸部特征的分类，在选取完最优特征以后，采取随机森林的方法来对特征进行分类。本发明能够提高在人脸表情识别的精度和速度。

技术领域

本发明涉及人机交互技术领域，特别是涉及一种人脸表情识别方法。

背景技术

人脸表情识别，是采用机器和软件对人脸表情信息进行处理，提取其特征并进行分类的过程。人脸的表情识别常常被用于人机交互领域。例如，面部表情识别可以提供家庭服务机器人与人类的直接互动，然后机器人可以通过从人类识别到的信息来执行它们的行动。

目前的人脸表情识别研究中，主要使用的特征提取方法是经典的“局部Gabor二值模式(LGBP)”，主要是用Gabor小波对图像做不同方向和尺度变换后的图片，再由LBP提取每个像素点与周围像素点之间的关系，并对这种关系做成直方图。这种提取方式会得到很高维数的特征，在后续处理上很花费时间。之后考虑对特征进行提取，在传统的人脸特征提取模型中，往往只是考虑对所有类别的表情特征维度进行降维，而没有将不同类别表情的差异性考虑到特征选取中。虽然在一定程度上起到了降维的作用，但最后的分类结果往往并不理想。

发明内容

本发明所要解决的技术问题是提供一种人脸表情识别方法，能够提高在人脸表情识别的精度和速度。

本发明解决其技术问题所采用的技术方案是：提供一种人脸表情识别方法，包括以下步骤：

(1)对人脸图片进行预处理；

(2)对预处理完的人脸图片做基于uniform LGBP的特征提取，并建立图片特征的显著性；

(3)使用遗传算法对图片特征进行第一次特征选取，得到优秀的种群；

(4)根据得到的优秀的种群作为每类表情特征的优秀种群的比较值，来建立类内和类间的两个新的目标函数，目标就是最小化类内函数的值和最大化类间函数的值，并使用Pareto优化算法来对其进行优化；

(5)进行脸部特征的分类，在选取完最优特征以后，采取随机森林的方法来对特征进行分类。

所述步骤(1)中的预处理包括人脸识别、噪声处理和人脸对齐。

所述步骤(2)中基于uniform LGBP的特征提取具体为：首先对图片进行Gabor滤波变换，其次对图片中的所有像素使用LBP算子提取直方图作为人脸的特征，即将中心像素值作为阈值，相邻域内的像素值如果大于该阈值则为1，否则为0，通过使用这种方法二值化以后，会得到2^Q个二值模式，再次定义一个均匀模式，即得到的二值化后组成的描述子；如果存在不超过两次从0到1或1到0的跳变则为均匀模式，否则为非均匀模式；最后通过这样的定义，将原来的2^Q个二值模式降低为Q²-Q+2。

所述步骤(3)具体为：首先随机初始化种群，接着计算每个种群的准确度，根据准确度分为四类，给出每一类计算种群的适应度函数；最后使用遗传算法来进行优化得到优秀的种群。

所述适应度函数为其中，α是正确分类到其类别的比例，ε，ρ₁，ρ₂是参数，a_rc为脸部特征块的状态，m为脸部特征块的数量。