[发明专利]一种疲劳表情识别方法

权利要求书

1.一种基于局部二进制模式与重构的方向梯度直方图融合的疲劳表情识别方法，其特征在于，所述的疲劳表情识别方法包括以下步骤：

S1、预处理人脸面部图片，其中，预处理包括滤波与灰度化；

S2、利用重构方向梯度直方图提取面部的结构与边缘特征，得到RHOG特征，过程如下：通过伽玛校正调整图像亮度，计算图像的每个像素点的梯度，该梯度包括大小和方向，将图像分割成若干单元，然后计算每个单元的梯度直方图，该梯度直方图以梯度方向分类，对应的梯度值作为纵轴权值，、将若干相邻的单元构成一个块，计算整幅图像中块向量间的统计特征，将所得统计特征向量作为重构的方向梯度直方图的RHOG特征；

S3、利用局部二进制模式提取纹理特征，得到LBP特征；

S4、通过串联LBP特征与RHOG特征，进行特征融合：

S5、对融合后特征进行分类训练与交叉检验。

2.根据权利要求1所述的疲劳表情识别方法，其特征在于，所述的步骤S2中方向梯度直方图的重构过程如下：

S21、标准化的伽玛空间和色彩空间：

I(x,y)＝I(x,y)^gamma (1)

其中I(x,y)代表图像中(x,y)点处的像素，gamma为校正参数；

S22、计算图像梯度：

G_x(x,y)＝I(x+1,y)-I(x-1,y) (2)

G_y(x,y)＝I(x,y+1)-I(x,y-1) (3)

其中，I(x,y)表示图像中(x,y)点处的像素，G_x(x,y)和G_y(x,y)分别代表图像中(x,y)点处的横向和纵向梯度值，G(x,y)表示点(x,y)处的梯度值，α为梯度方向角；

S23、将图像分成若干单元格，在每个单元格中计数梯度方向直方图，将所有梯度方向划分为t个区间作为直方图的水平轴，并且将对应于角度范围的梯度值划分为直方图的垂直轴；

S24、由2x2个单元组成块，以块矢量作为基本单元构建矩阵F，假设某张图片可划分为n*m个块，其中n表示行，m表示列，每个块中的特征向量为对应单元组成的特征向量串联表示为：A_ij,i＝1,...,n,j＝1,...,m，则以块为基本单位，构造矩阵F如下：

S25、重建矩阵，将矩阵F在行的方向上或在列的方向上重建，如式(7)所示：

其中，为按行重构的矩阵，为按列的重构矩阵；

S26、计算重建矩阵的统计特征，该统计特征包括均值μ、方差σ、偏度γ、峰度κ、熵H。

3.根据权利要求2所述的疲劳表情识别方法，其特征在于，所述的均值μ、方差σ²、偏度γ、峰度κ、熵H的计算公式分别如下：

其中，a_ij表示矩阵或的第i行第j列元素，n为矩阵或的行，μ_j表示第j列均值，表示第j列方差，γ_j表示第j列偏度，κ_j表示第j列峰度，p_i表示数值a_ij在第j列所占个数比例，H_j为第j列的熵。

4.根据权利要求1所述的疲劳表情识别方法，其特征在于，所述的步骤S3中采用局部二进制模式的四种模式：原始模式、等价模式、旋转不变模式、旋转不变等价模式，分别对图片进行纹理特征提取以及编码操作。