【技术实现步骤摘要】
一种基于融合Gabor
‑
W特征的面部表情识别方法及识别系统
[0001]本专利技术涉及面部表情识别
，尤其是一种基于融合Gabor
‑
W特征的面部表情识别方法及识别系统。
技术介绍
[0002]当今社会，智能及智慧占领先锋，引领时代发展和城市进步。智能和智慧不得不涉及人与计算机的交流与合作，譬如1)科技领域，随着机器人的出现和不断完善，机器人已经可以和人类面对面交流了，不仅从语言情感中获得信息，也可以从人类面部表情中获得信息，从而更顺畅地交流与探讨；2)医疗领域，痛苦不堪的病人和新生儿在无法用言语和声音来表达含义时，表情显得尤为重要；3)治安领域，通过表情分类系统的研究及普及，调查幸福、痛苦指数，甚至监测到陌生人鬼鬼祟祟的表情，有助于地区的兴旺发达。
[0003]不同的表情具有不同的尺度变化，Gabor变换能反映多尺度多方向下图像的灰度变化。但是单一的表情特征存在局限性，且Gabor特征提取依赖于人工提取。
技术实现思路
[0004]本专利技术所要解决的技术...
【技术保护点】
【技术特征摘要】
1.一种基于融合Gabor
‑
W特征的面部表情识别方法，其特征在于，包括如下步骤：步骤1、输入面部表情敏感区，并对每个敏感区提取5个尺度8个方向的Gabor特征；步骤2、按照每个尺度上8个方向特征的最大值的索引进行编码融合；步骤3、提取子块的信息熵，按照顺序加权串联特征值，得到Gabor
‑
W特征；步骤4、搭建Mobilenetv2网络模型，Mobilenetv2网络模型包括卷积层、倒置残差结构、ReLu6激活函数、平均池化层、全连接层和Softmax分类器，在全连接层进行特征融合，最终用Softmax分类器分类，Softmax分类器对图像进行预测。2.如权利要求1所述的基于融合Gabor
‑
W特征的面部表情识别方法，其特征在于，步骤1中，面部表情敏感区包括眼睛、鼻子和嘴唇，共四个子块。3.如权利要求1所述的基于融合Gabor
‑
W特征的面部表情识别方法，其特征在于，步骤1中，Gabor特征的公式为：中，Gabor特征的公式为：中，Gabor特征的公式为：其中，μ和v分别表示Gabor的方向和尺度，z(x,y)为方向矢量，||z||表示z矢量的取模运算，x,y为图像的二维坐标，σ,k
max
,f为参数。4.如权利要求1所述的基于融合Gabor
‑
W特征的面部表情识别方法，其特征在于，步骤2中，按照每个尺度上8个方向特征的最大值的索引进行编码融合具体为：采用5个尺度8个方向的滤波器进行滤波，对于特征图像，分别为8幅图像根据滤波器方向编号0，
…
，7，将编码作为索引，取出8幅图像对应位置的像素点最大的图像的索引，在不同尺度上，将索引对应的像素点进行特征融合。5.如权利要求1所述的基于融合Gabor
‑
W特征的面部表情识别方法，其特征在于，步骤3中，提取子块的信息熵具体为：计算每个子块的信息熵和整体图像的信息熵来构造加权系数，设第i个子块的信息熵表示为：其中，n是像素...
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。