基于MB‑2DPCA特征的人脸表情识别方法技术

本发明专利技术公开了一种基于MB‑2DPCA特征的人脸表情识别方法，用多尺度参数的MB‑LBP算子对人脸表情图像进行局部纹理特征提取；对表情特征进行特征提取，构成图像的MB‑LBP特征空间；在训练样本中用2DPCA算法计算其投影矩阵W，并将所有训练样本通过投影矩阵W映射到子空间，获得表情图像在所述子空间的特征表示；将测试样本通过投影矩阵W投影到所述子空间，用稀疏表示分类器对测试样本的特征进行分类，获得测试样本所属的类别。本发明专利技术避免了图像矩阵转化为图像向量而造成计算协方差矩阵维数过大，样本较少导致的小样本问题，计算时间少。

Facial expression recognition method based on the characteristics of 2DPCA MB

The invention discloses a facial expression recognition method based on the characteristics of MB 2DPCA, MB LBP operator with the multi-scale parameters of the local texture feature of facial expression image of facial feature extraction; feature extraction, MB LBP feature space image; 2DPCA algorithm is used to calculate the projection matrix W in training samples then, all the training samples through the projection matrix mapping W to obtain subspace feature expression image in the subspace representation; the test sample by projection matrix W projection into the subspace, with sparse representation classifier to test the characteristics of the sample classification, test sample in which categories. The invention avoids the small sample size problem caused by the transformation of image matrix into image vector, resulting in the large computation covariance matrix and less sample size, and has less computation time.

【技术实现步骤摘要】
基于MB-2DPCA特征的人脸表情识别方法
本专利技术涉及图像处理技术，尤其是涉及一种基于局部与全局特征结合的人脸表情识别方法。
技术介绍
表情是人类表达内在情绪的一种非语言的交流方式。人们通过表情不仅可以准确地表达内心的真实感受，也可以通过判断表情的变化来理解对方的情感和思想状态，这种非语言的交流方式已普遍运用在人际交往中。在实际生活中，人脸表情分析技术应用在许多领域，其中包括远程教学，司机疲劳驾驶，病人远程护理，疼痛评估，视频游戏人机互动等。正因为表情分析的重要性和潜在的应用价值，在计算机视觉和机器学习的研究领域中，人脸表情识别一直是计算机视觉科学领域研究的重点。人脸表情特征提取是人脸表情识别过程中一个重要的技术环节，特征提取的有效性对后续的分类有直接的影响。局部特征提取主要针对人脸表情感兴趣区域(如嘴巴，眼睛，眉毛，脸颊等)进行表情变化的纹理特征提取，局部特征提取方法有Gabor小波，LBP算子，HOG算子等。全局特征提取方法大多采用子空间投影的方法，即在表情特征空间里用PCA，LDA，ICA等子空间投影算法，将原始高维数据通过某种变换投影到低维子空间中，以不同的低维数据表现形本文档来自技高网...

【技术保护点】
基于MB‑2DPCA特征的人脸表情识别方法，其特征在于，该方法包括以下步骤：A）输入图像样本,并对所述图像样本进行几何校正和尺寸归一化的预处理；B）用多尺度参数的MB‑LBP算子对人脸表情图像进行局部纹理特征提取，获得所述多尺度参数下的图像MB‑LBP特征；C）根据所述多尺度参数下的MB‑LBP特征对表情识别率的影响，选出在表情识别率最高情况下的MB‑LBP尺度参数，并用所述尺度参数的MB‑LBP算子对表情特征进行特征提取，构成图像的MB‑LBP特征空间；D）在所述MB‑LBP特征空间里，随机提取训练样本，随机提取之后的剩余样本作为测试样本；E）在所述训练样本中用2DPCA算法计算其投影矩阵W...

【技术特征摘要】
1.基于MB-2DPCA特征的人脸表情识别方法，其特征在于，该方法包括以下步骤：A）输入图像样本,并对所述图像样本进行几何校正和尺寸归一化的预处理；B）用多尺度参数的MB-LBP算子对人脸表情图像进行局部纹理特征提取，获得所述多尺度参数下的图像MB-LBP特征；C）根据所述多尺度参数下的MB-LBP特征对表情识别率的影响，选出在表情识别率最高情况下的MB-LBP尺度参数，并用所述尺度参数的MB-LBP算子对表情特征进行特征提取，构成图像的MB-LBP特征空间；D）在所述MB-LBP特征空间里，随机提取训练样本，随机提取之后的剩余样本作为测试样本；E）在所述训练样本中用2DPCA算法计算其投影矩阵W，并将所有训练样本通过投影矩阵W映射到子空间，获得表情图像在所述子空间的特征表示；F）将所述测试样本通过投影矩阵W投影到所述子空间，用稀疏表示分类器对测试样本的特征进行分类，获得测试样本所属的类别。2.根据权利要求1所述的基于MB-2DPCA特征的人脸表情识别方法，其特征在于，所述局部纹理特征提取是在把握图像像素粗粒度的基础上，通过多尺度参数下的MB-LBP算子提取像素颗粒程度不同的图像纹理以获得表情纹理信息，具体步骤如下：1）对图像样本进行尺寸归一化；2）通过设置所述多尺度参数，获得MB-LBP表情纹理特征；3）将上述MB-LBP表情纹理特征通...

【专利技术属性】
技术研发人员：王艳，黎明，张君，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：江西,36