[发明专利]一种适用于医疗护理的表情识别方法

权利要求书

1.一种适用于医疗护理的表情识别方法，其特征在于，包括以下步骤：

步骤1，利用训练图像建立主动形状模型；

步骤2，将测试图像输入到主动形状模型中并搜索人脸特征点；

步骤3，提取包括角度信息和距离信息的情绪向量特征，将人脸特征点代入情绪向量特征中，并将情绪向量特征的信息输入至SVM分类器中进行投票，得票最多的类为所属的类。

2.根据权利要求1所述的方法，其特征在于，步骤1具体包括：

步骤1.1，获取N张训练图像并在训练图像上标注n个标注点且用X表示平面形状

X＝[x₁,x₂,...x_j...x_n,y₁,y₂,...y_j...y_n]^T(1)

其中，(x_j,y_j)为第j个标注点的坐标；

步骤1.2，获取训练图像的平均形状

X‾=1NΣj=1NXj---(2)]]>

步骤1.3，获取平均形状的协方差矩阵的特征向量

步骤1.4，将特征向量中应特征值从大到小排列且从中选取前q个特征向量组成矩阵Φ_s

Φ_s＝[Φ₁,...Φ_j,...Φ_q](4)

步骤1.5，获取主动形状模型Y_s

Ys=X‾+Φsbs---(5)]]>

其中，b_s是形状模型的参数集。

3.根据权利要求，2所述的方法，其特征在于，中将测试图像输入到主动形状模型中按以下步骤搜索人脸特征点：

步骤2.1，令i＝0，用平均形状作为初始化形状X_i；

步骤2.2，对当前形状，对于每个标注点计算马氏距离，选择最小距离的点作为该标注点的新位置(x_j',y_j')；

步骤2.3，调整参数t_x、t_y、θ、s、b_s，使(x_j',y_j')与匹配，(t_x,t_y)为图像平移距离，θ为图像旋转角度，s为图像缩放尺寸，b_s为形状模型的参数集，M表示调整的过程，M^-1为M的反变换；

步骤2.4，令若X_i＝X_i+1，则退出；否则，i＝i+1，转步骤2.2。

4.根据权利要求1所述的方法，其特征在于，步骤3中角度信息为三个人脸特征点所构成三角形的夹角，若该三角形的夹角在一表情所对应的夹角范围内，则该夹角对应的表情则落入该夹角范围所对应的表情内；

步骤3中距离信息为两个人脸特征点之间的距离，若该距离在一表情所对应的距离范围内，则该距离对应的表情则落入该距离范围所对应的表情内。