The invention discloses a neural network based face recognition method based on complex expressions, general back-propagation neural network, the fusion graph of facial feature extraction and extraction of two kinds of method of biometric parameters based on face recognition technology based on the method of facial feature extraction based on subgraph extraction, four sub images, eyes the nose and mouth, and fed to the general back-propagation neural network; the method for extracting biological characteristic parameters based on seven, measuring the distance between the facial feature points will be fed to another general back propagation neural network, selection method based on facial feature subgraph extraction as the main neural network, and biological extraction method based on characteristic parameters used as auxiliary neural network, such as the main classifier without recognition auxiliary classifier.
【技术实现步骤摘要】
基于神经网络的人脸复杂表情识别方法
:本专利技术涉及一种生物特征识别领域,特别是涉及一种基于神经网络的人脸复杂表情识别方法。
技术介绍
:高度信息化的社会环境下,传统的身份认证方式存在不易携带、易伪造、易损坏、易受攻击等诸多缺点,难以满足智能化社会发展的需求。近年来,生物特征识别的唯一性、稳定性、安全性和普遍性等优势使其成为当前信息安全领域中极为重要的新兴技术。其中,人脸识别具有的自然性、非接触性、隐蔽性和高可靠性使其比其他如指纹、掌纹、虹膜、语音等识别方式具有更大的应用前景。人脸表情是人类信息交流的重要方式,它所富含的人体行为信息与人的情感状态、精神状态、健康状态等有着极为密切的关联。因此,通过对于人脸表情的识别可以获得很多有价值的信息,从而分析人类的心理活动和精神状态,并为各种机器视觉和人工智能控制系统的应用提供了解决方案。尽管人脸识别技术取得了长足的进步,但仍面临众多挑战。人类面部器官的形状、大小和相对位置的复杂变化才使人类产生了千差万别的表情,这其中眼睛、鼻子、嘴巴等的相对位置变化对表情产生极大地影响,大大增加了识别的难度。
技术实现思路
:本专利技术所要解决的技术问题是:克服现有技术的不足,利用在表情变化时人脸局部特征和特征点之间距离的稳定性,应用融合了基于生物特征参数提取和基于面部特征子图提取两种方法的面部组件特征检测器,然后使用通用反向传播神经网络实现分类识别的基于神经网络的人脸复杂表情识别方法。本专利技术的技术方案是:一种基于神经网络的人脸复杂表情识别方法,其步骤是:A、输入训练集中的人脸图像,先在每个人脸图像上运行面部组件特征检测器CBD,通 ...
【技术保护点】
一种基于神经网络的人脸复杂表情识别方法,其步骤是:A、输入训练集中的人脸图像,先在每个人脸图像上运行面部组件特征检测器CBD,通过点击人脸图像上眼睛、鼻子和嘴巴的中间部分来提取四个特征的子图像;B、使用面部组件特征检测器CBD半自动点击每个人脸图像中眼睛、鼻子和嘴巴的中间部分,并测量之间的七个特征检测距离;C、将步骤A所生成的四个子图像归一化为0和1之间的范围,并作为通用反向传播神经网络分类器的输入特征,对通用反向传播神经网络分类器进行训练学习和分类,其具体步骤为:(1)对应于每个图像的眼睛、鼻子和嘴巴的子图像的灰度级别分别存储在四个矩阵中,四个矩阵成形为一个向量;(2)将所有训练样本的所有输入向量组合成训练矩阵X1,然后进行归一化;(3)测试集中的每个人都有一个数字来识别他的身份,网络的期望输出Y1将是以二进制格式保存相应的输入图像;(4)X1和Y1送入通用反向传播神经网络进行训练;D、将步骤B所生成的七个特征检测距离归一化为0和1之间的范围,并作为通用反向传播神经网络分类器的输入特征,对通用反向传播神经网络分类器进行训练学习和分类,其具体步骤为:(1)将每个图像的七个特征测量距离存 ...
【技术特征摘要】
1.一种基于神经网络的人脸复杂表情识别方法,其步骤是:A、输入训练集中的人脸图像,先在每个人脸图像上运行面部组件特征检测器CBD,通过点击人脸图像上眼睛、鼻子和嘴巴的中间部分来提取四个特征的子图像;B、使用面部组件特征检测器CBD半自动点击每个人脸图像中眼睛、鼻子和嘴巴的中间部分,并测量之间的七个特征检测距离;C、将步骤A所生成的四个子图像归一化为0和1之间的范围,并作为通用反向传播神经网络分类器的输入特征,对通用反向传播神经网络分类器进行训练学习和分类,其具体步骤为:(1)对应于每个图像的眼睛、鼻子和嘴巴的子图像的灰度级别分别存储在四个矩阵中,四个矩阵成形为一个向量;(2)将所有训练样本的所有输入向量组合成训练矩阵X1,然后进行归一化;(3)测试集中的每个人都有一个数字来识别他的身份,网络的期望输出Y1将是以二进制格式保存相应的输入图像;(4)X1和Y1送入通用反向传播神经网络进行训练;D、将步骤B所生成的七个特征检测距离归一化为0和1之间的范围,并作为通用反向传播神经网络分类器的输入特征,对通用反向传播神经网络分类器进行训练学习和分类,其具体步骤为:(1)将每个图像的七个特征测量距离存储在一个向量中;(2)将所有训练样本的所有输入向量组合成训练矩阵X2,然后进行归一化;(3)输出Y2为相应输入图像的二进制数;(4)将X2和Y2送入通用反向传播神经网络进行训练;E、在步骤C和步骤D训练结束后,分别对两个通用反向传播神经网络计算系统的均方误差MSE,具有较少整体MSE的网络作为主要分类器,另一个作为辅助分类器;F、输入待检测人脸图像,按照步骤A对待检测人脸图像中的眼睛、鼻子和嘴巴四个特征提取其子图像,对四个子图像的相应灰度级别进行提取,得到四个矩阵,将四个矩阵归一化和重构成长度为1425的行向量,结合输入向量形成的矩阵被馈送到主要分类器进行识别,如主要分类器未识别,用辅助分类器识别;G、根据步骤B取得待检测人脸图像中七个特征检测距离,七个特征检测距离存储在一个向量中,结合输入向量形成的矩阵被馈送到辅助分类器进行...
【专利技术属性】
技术研发人员:栗科峰,熊欣,郑吉玉,王俊华,王炜,郝原,
申请(专利权)人:河南工程学院,
类型:发明
国别省市:河南,41
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。