一种人脸表情的识别方法、可读存储介质及设备技术

本发明专利技术公开了一种人脸表情的识别方法、可读存储介质及设备，包括：获取待识别人脸图像；对人脸图像进行裁剪，得到人脸表情部分的图像，将人脸表情部分的图像尺度归一化处理，得到预处理后的人脸表情图像；提取预处理后的人脸表情图像的分块等价阈值圆形LBP特征；提取预处理后的人脸表情图像的多尺度HOG特征；将分块等价阈值圆形LBP特征和多尺度HOG特征进行融合，得到融合特征；将融合特征输入到预先训练好的SVM分类器，输出人脸表情识别结果。优点：本发明专利技术融合后的人脸表情特征，在识别效果上有了显著提升。

【技术实现步骤摘要】
一种人脸表情的识别方法、可读存储介质及设备
本专利技术涉及一种人脸表情的识别方法、可读存储介质及设备，属于计算机视觉

技术介绍
随着计算机视觉技术的发展，计算机在人们生活中扮演的角色越发的重要。渐渐的，人们对于计算机的要求不再是仅仅识别人们的操作指令，而是要对这些指令，通过智能化的理解，做出反馈。更加智能化，人性化的人机交互体验成为了广大群众新的需求。人脸表情识别作为计算机视觉领域的重要组成部分，在人机交互、远程教育、安全驾驶和临床医学等方向拥有广阔的应用前景。人脸表情识别一般分为人脸表情图像的获取和预处理、人脸表情特征的提取和人脸表情的识别分类。其中，人脸表情特征的提取起着关键作用，如何提取合适的表情特征一直人脸表情识别的难点。常用的人脸表情特征提取方法有LBP，Gabor特征提取以及HOG特征提取等。LBP特征反映了像素空间的分布属性，较早的就被应用在了人脸表情识别中，由于其具有灰度不变性，旋转不变性等突出特点，在人脸表情识别上表现出了不错的性能。HOG特征通过计算图像的梯度来获取边缘信息，一开始用于目标检测和行为检测中，本文档来自技高网...

【技术保护点】
1.一种人脸表情的识别方法，其特征在于，包括：/n获取待识别人脸图像；/n对人脸图像进行裁剪，得到人脸表情部分的图像，将人脸表情部分的图像尺度归一化处理，得到预处理后的人脸表情图像；/n提取预处理后的人脸表情图像的分块等价阈值圆形LBP特征；/n提取预处理后的人脸表情图像的多尺度HOG特征；/n将分块等价阈值圆形LBP特征和多尺度HOG特征进行融合，得到融合特征；/n将融合特征输入到预先训练好的SVM分类器，输出人脸表情识别结果。/n

【技术特征摘要】
1.一种人脸表情的识别方法，其特征在于，包括：
获取待识别人脸图像；
对人脸图像进行裁剪，得到人脸表情部分的图像，将人脸表情部分的图像尺度归一化处理，得到预处理后的人脸表情图像；
提取预处理后的人脸表情图像的分块等价阈值圆形LBP特征；
提取预处理后的人脸表情图像的多尺度HOG特征；
将分块等价阈值圆形LBP特征和多尺度HOG特征进行融合，得到融合特征；
将融合特征输入到预先训练好的SVM分类器，输出人脸表情识别结果。


2.根据权利要求1所述的人脸表情的识别方法，其特征在于，所述对人脸图像进行裁剪，得到人脸表情部分的图像，将人脸表情部分的图像尺度归一化处理，得到预处理后的人脸表情图像的过程包括：
对人脸图像进行灰度化处理，利用Haar特征+Adaboost分类器的人脸识别系统对人脸表情库的图片进行裁剪，去除大量头发和背景信息，得到人脸表情部分的图像，利用双线性插值法将图片调整到统一的尺寸。


3.根据权利要求1所述的人脸表情的识别方法，其特征在于，所述提取预处理后的人脸表情图像的分块等价阈值圆形LBP特征的过程包括：
计算预处理后的人脸表情图像的阈值圆形LBP矩阵；
对阈值圆形LBP矩阵进行等价模式处理，得到等价阈值LBP矩阵；
将等价阈值LBP矩阵进行分块处理，确定分块等价阈值圆形LBP特征。


4.根据权利要求1所述的人脸表情的识别方法，其特征在于，所述提取预处理后的人脸表情图像的多尺度HOG特征的过程包括：
计算处理后的人脸表情图像的每个像素点的图像梯度得到图像的梯度大小矩阵和梯度方向矩阵；
将图像划分成大小相同的单元格，并计算每个单元格HOG特征；
将相邻的单元格重叠组合成块，统计整个块的HOG特征；
将所有块的HOG特征级联起来得到图像的HOG特征；
按照上述方式，计算并级联多个...

【专利技术属性】
技术研发人员：高达义，赵君喜，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32