一种基于特征块权重化的面部表情识别方法技术

本发明专利技术涉及一种基于特征块权重化的面部表情识别方法。本方法的操作步骤如下：1）提取表情图片的Gabor纹理特征和几何特征；2）对提取的Gabor纹理特征采用PCA算法降低特征维度，对提取的几何特征分块对齐，将几何特征分为嘴部、左眼、右眼三个特征块，并分别采用Procrustes Analysis方法将各个几何特征进行对齐；3）将PCA降维后的Gabor纹理特征与Procrustes Analysis后的三个几何特征块进行融合，组成融合特征；4）将融合特征输入到特征块权重化的Bp神经网络，对神经网络进行训练，寻求合适的各层权重系数。本发明专利技术提高了表情几何特征的共性，解决了面部不同特征形式、不同区域特征对表情识别贡献率不同的问题。

A method of facial expression recognition based on feature block weighting

The invention relates to a facial expression recognition method based on feature block weighting. The operation steps of this method are as follows: 1) Gabor texture feature and geometric feature extraction of facial image; 2) using PCA Gabor algorithm based on texture feature extraction to reduce the feature dimension, the geometric feature extraction block alignment, geometric features are divided into the mouth, left eye, right eye three features, and using Procrustes Analysis method features various geometric alignment; 3) PCA will drop three geometric features Gabor texture features and Procrustes dimension Analysis after fusion, which fusion features; 4) Bp neural network fusion feature input to the feature block weight, the neural network was trained for each layer the proper weight coefficient. The invention improves the commonness of facial expression geometry characteristics, and solves the problem that the facial features of different forms and different regional characteristics have different contribution rates to facial expression recognition.

【技术实现步骤摘要】
一种基于特征块权重化的面部表情识别方法
本专利技术涉及一种人脸表情识别技术，特别是一种各个特征块基于特征块的权重化以及权重化Bp（反向传播）神经网络的方法。
技术介绍
人脸面部表情识别研究面对的最大问题就是如何提高面部表情识别的准确率，由于不同区域、种族的人面部大小、肤色、文化等的影响，导致现在的面部表情识别方法不具备较好的通用性，对不同人不具备鲁棒性。面部表情的特征提取对于表情的识别非常关键，不同的特征提取方法从不同的角度对特征进行表示，然而，不同特征对于人脸表情的识别贡献率不同。为了区分不同特征、面部不同区域的特征重要性，很多学者基于权重分析的方法，对每维特征赋予权重因子，并采取诸如最大化类间距离、最小化类内距离等优化原则对权重因子进行寻找，依此来区分不同特征对表情识别的贡献率，提高面部表情的识别率。然而这些方法都面对以下3个问题:1、表情图像提取的特征维数高达成千上万，每维特征权重化，必然会导致权重因子数量较多，寻找权重因子必然会额外增加计算压力，导致实时性不够好。2、单独对每维特征进行权重化，必然会导致各个特征失去原有的表示形式。3、权重因子的优化寻找与分类器是两个独立的过程本文档来自技高网...

【技术保护点】
一种基于特征块权重化的面部表情识别方法，其特征在于操作步骤如下：1)提取表情图片的Gabor纹理特征和几何特征；2)对提取的Gabor纹理特征采用PCA算法降低特征维度，对提取的几何特征分块对齐，将几何特征分为嘴部、左眼、右眼三个特征块，并分别采用Procrustes Analysis方法将各个几何特征进行对齐；3)将PCA降维后的Gabor纹理特征与Procrustes Analysis后的三个几何特征块进行融合，组成融合特征；4)将融合特征输入到特征块权重化的Bp神经网络，对神经网络进行训练，寻求合适的各层权重系数。

【技术特征摘要】
1.一种基于特征块权重化的面部表情识别方法，其特征在于操作步骤如下：1)提取表情图片的Gabor纹理特征和几何特征；2)对提取的Gabor纹理特征采用PCA算法降低特征维度，对提取的几何特征分块对齐，将几何特征分为嘴部、左眼、右眼三个特征块，并分别采用ProcrustesAnalysis方法将各个几何特征进行对齐；3)将PCA降维后的Gabor纹理特征与ProcrustesAnalysis后的三个几何特征块进行融合，组成融合特征；4)将融合特征输入到特征块权重化的Bp神经网络，对神经网络进行训练，寻求合适的各层权重系数。2.根据权利要求1所述的基于特征块权重化的面部表情识别方法，其特征在于所述步骤1)提取表情图片的Gabor纹理和几何特征是：采用Gabor滤波器提取表情图像的Gabor纹理特征，采...

【专利技术属性】
技术研发人员：许烁，张二东，江渊广，张鹏，王阳，周可璞，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海,31