[发明专利]一种基于深度学习和SVM的肝豆状核变性患者的表情识别方法

权利要求书

1.一种基于深度学习和SVM的肝豆状核变性患者的表情识别方法，其特征在于，包括如下步骤：

S1、获取人脸图像；

S2、检测图像信息中包含的噪声，通过采集语音的起始端点和结束端点将噪声去除；

S3、基于人脸对称性的人脸分割方法对图像进行处理，确定图像中的面部范围；

S4、获取面部图像并判断是否人脸图像，若所述面部图像为人脸图像，继续执行S5，否则，排除图像信息；

S5、检测倾斜的人脸图像并进行旋转校正；

S6、对表情分布丰富的区域进行裁剪；

S7、通过直方图均衡化对表情图像进行处理，增强图像对比度；

S8、通过计算局部二值模式LBP以描述人脸图像局部纹理特征，得到区域特征向量；

S9、通过PCA算法使用线性变换矩阵对所述区域特征向量进行降维，得到低维Gabor特征向量；

S10、通过支持向量机SVM对表情进行分类。

2.根据权利要求1所述的一种基于深度学习和SVM的肝豆状核变性患者的表情识别方法，其特征在于：所述S5中倾斜校正单元根据旋转公式对人脸图像进行校正，旋转公式为：

其中，(x，y，1)为原图像中的单个像素位置，θ为以原点为中心顺时针旋转角度，(x'，y′，1)为旋转后的单个像素位置。

3.根据权利要求1所述的一种基于深度学习和SVM的肝豆状核变性患者的表情识别方法，其特征在于：所述S8中LBP通过将各个像素与附近的像素进行比较，并把结果保存为二进制数得到LBP算子。

4.根据权利要求3所述的一种基于深度学习和SVM的肝豆状核变性患者的表情识别方法，其特征在于：生成LBP算子包括如下步骤：

A1、将窗口分割成多个小方格；

A2、对于每个方格中的像素，比较和它相邻的8个小方格像素值，相邻的方格比中心方格像素值小，则该位置设置为0，相邻的方格比中心方格像素值大，则该位置设置为1；

A3、将所有相邻窗口二进制的值按顺时针组合而成的二进制的值作为窗口中心小方格的LBP值；

A4、计算每个区域的直方图并进行直方图均衡化；

A5、将所有区域的直方图连接起来就是整个区域的特征向量。