The invention provides a method of facial expression recognition based on LBP and LDA, including the 1, using the Adaboost algorithm for face detection, the detected face image to locate the face position; 2, the LBP feature extraction of face image positioning; 3 using LDA algorithm to reduce the dimension of feature extraction, 4; the JAFFE image database of low dimensional features as the classification feature KNN nearest neighbor classification algorithm, and then treat the detection of image feature extraction, dimensionality reduction, then KNN expression classification, realization of facial expression recognition. The invention has the advantages that the influence of illumination change on the facial expression recognition is reduced; the dimension reduction of the image data greatly reduces the amount of calculation and improves the recognition efficiency.
【技术实现步骤摘要】
基于LBP与LDA的人脸表情识别方法
基于LBP与LDA的人脸表情识别方法属于计算机视觉、模式识别、人工智能等领域。
技术介绍
随着信息化时代的到来,计算机已经悄然改变了人们的生活方式,在频繁使用计算机的过程中,人们越来越期待更加友好的人机交互体验。人脸面部表情,作为人类生物特征的一部分,体现了人们内心复杂微妙的情感变化,传递着大量的情感信息。人脸表情识别的研究对提高人们生活品质以及提供人们方便快捷的生活方式都有极其重要的作用和意义。经过四十多年来众多研究人员和机构的努力,人脸表情识别形成了一套相对完整的流程,如图1所示。人脸表情识别主要可以分为:人脸检测、表情特征提取、表情分类。人脸表情也有了比较统一的分类,如图2所示,人脸表情被分为7类,即快乐、生气、厌恶、害怕、伤心、惊讶、中性。人脸表情识别研究取得了很大的进步,也获得了丰硕的果实,公开号为CN102945361B的中国专利公开了一种基于特征点矢量与纹理形变能量参数的人脸表情识别方法,该方法考虑不同个体之间的差异,解决了个性信息,小范围头部姿势等因素对人脸表情识别的影响,但是也遇到了很多研究难点,光照变化、遮挡、姿势变化,以及图像数据维度过高,计算量大等难题。
技术实现思路
针对上述的难题,本专利技术提出一种新颖的研究方法,即基于LBP与LDA的人脸表情识别方法。目的是降低光照变化对表情识别准确率的影响,降低图像数据维度,减少计算量。按照本专利技术的基于LBP和LDA的人脸表情识别方法包括如下步骤:S1.输入图像,对图像进行预处理;S2.将S1步骤输入的图像运用Adaboost算法进行人脸检测;S3.将S ...
【技术保护点】
一种基于LBP和LDA的人脸表情识别方法,包括以下步骤:S1.输入图像,对图像进行预处理;S2.将S1步骤输入的图像运用Adaboost算法进行人脸检测;S3.将S2步骤检测出的人脸图像进行LBP特征提取;S4.将S3步骤提取的特征通过LDA算法降维,得到相对低维的人脸表情特征;S5.将S4步骤提取的特征通过KNN最近邻算法进行表情识别,得到人脸表情识别结果。
【技术特征摘要】
1.一种基于LBP和LDA的人脸表情识别方法,包括以下步骤:S1.输入图像,对图像进行预处理;S2.将S1步骤输入的图像运用Adaboost算法进行人脸检测;S3.将S2步骤检测出的人脸图像进行LBP特征提取;S4.将S3步骤提取的特征通过LDA算法降维,得到相对低维的人脸表情特征;S5.将S4步骤提取的特征通过KNN最近邻算法进行表情识别,得到人脸表情识别结果。2.根据权利要求1所述的基于LBP和LDA的人脸表情识别方法,其特征在于:步骤S1中所述图像预处理按照以下步骤进行:S101.图像尺寸归一化处理;S102.图像去噪处理;S103.彩色图像灰度化处理。3.根据权利要求2所述的基于LBP和LDA的人脸表情识别方法,其特征在于:图像预处理步骤S101中归一化尺寸大小为固定大小,单位为像素。4.根据权利要求2所述的基于LBP和LDA的人脸表情识别方法,其特征在于:图像预处理步骤S102中去噪方法为线性均值滤波。5.根据权利要求1所述的基于LBP和LDA的人脸表情识别方法,步骤S2中所述利用Adaboost进行人脸检测按照以下步骤进行:S201.初始化训练数据的权值分布;S202.训练多个弱分类器;S203.合并弱分类器为一个强分类器;S2...
【专利技术属性】
技术研发人员:刘宏哲,袁家政,张启坤,
申请(专利权)人:北京联合大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。