[发明专利]一种人脸身份和表情的同步识别方法

权利要求书

1.一种人脸身份和表情的同步识别方法，其特征在于包括以下步骤：

(1)面部特征提取：

面部特征由面部几何特征和Gabor小波特征两部分组成；其中面部几何特征定义为由面部关键点的坐 标值所组成的特征矢量，而Gabor特征提取则是用一组具有不同尺度和方向的Gabor滤波器组对每幅人脸 图像进行卷积，得到幅值图像，然后面部关键点处的幅值所组成的特征矢量作为Gabor特征矢量；此外， 还必须为每一幅图像建立相应的语义特征矢量，用于后续的识别；

(2)特征融合：

在获得几何特征矢量和Gabor特征矢量后，运用核主成分分析法对两组特征矢量进行变换处理，再将 变换后的两组特征矢量合并为一组新的特征矢量作为人脸身份和表情识别用的输入特征矢量；

(3)人脸和表情的同步识别：

首先采用偏最小二乘方法建立输入特征矢量和相应的输出语义矢量之间的关系表达式，然后根据该关 系表达式对待测试的人脸图像的输入特征预测其所对应的语义特征，并依据语义特征进行人脸的身份和表 情的分类。

2.根据权利要求1所述的一种人脸身份和表情的同步识别方法，其特征在于，在所述的面部特征提取过程 中，按人工标定或计算机自动标定的方式在JAFFE面部表情数据库的每幅人脸图像中标定出34个关键点 或在AR人脸数据库中标定出22个关键点。

3.根据权利要求1所述的一种人脸身份和表情的同步识别方法，其特征在于，在Gabor特征提取过程中， 所采用的Gabor小波的方向和尺度分别为5个方向和6个尺度，首先用一组Gabor滤波器对人脸图像进行 卷积，再取脸部关键点处卷积图像的幅值作为Gabor小波在该关键点处的特征值。

4.根据权利要求1所述的一种人脸身份和表情的同步识别方法，其特征在于，人脸图像的语义特征定义为 7种基本表情的强度大小以及该表情图像所对应的人脸身份信息。

5.根据权利要求1所述的一种人脸身份和表情的同步识别方法，其特征在于，运用核主成分分析法时，由 选定的核函数决定映射关系Φ(x_i)；将表示对N个训练样本所提取的N个几何特征矢量及所对应的 Gabor特征矢量i＝1，…，N，从输入空间和分别映射到高维的再生核希尔伯特空间F₁和F₂中， 即：

Φ₁：Rn1→F1,]]>xi1→Φ1(xi1)]]>

Φ₂：Rn2→F2,]]>xi2→Φ2(xi2)]]>

令K¹和K²分别代表在两个数据集和上的Gram阵，分别寻找两个Gram矩阵前m1 个最大特征值对应的特征矢量和前m₂个最大特征值对应的特征矢量并分别计算和 到V₁和V₂上的投影：

zi1=V1T(Φ(xi1)-u1Φ)]]>i＝1，…，m₁

zi2=V2T(Φ(xi2)-u2Φ)]]>i＝1，…，m₂

其中和分别表示和的均值，V1=v11v21···vm11]]>和 V2=v12v22···vm22;]]>

最后对特征矢量和进行规范化处理，即和并按进行组合， 则组合后的特征矢量z_i为进行人脸身份和表情识别用的输入特征矢量。