[发明专利]一种鲁棒的人脸表情识别方法

权利要求书

1.一种鲁棒的人脸表情识别方法，其特征在于，该识别方法步骤如下：

步骤1：将N个不含遮挡的L类人脸表情图像归一化为数据矩阵C_i∈R^m×n，其中i＝1…N，作为训练样本，采用沙皮尔即Schapire提出的多分类AdaBoost方法训练人脸表情分类器；

步骤2：将M个包括含遮挡和不含遮挡的L类人脸表情图像归一化为数据矩阵A_i∈R^m×n，其中i＝1…M，作为训练样本，令S＝m×n，将A_i展开为一维列数据向量d_i∈R^s×1，其中i＝1…M，构成输入矩阵D＝[d₁d₂…d_M]∈R^s×M，采用费南多即Fernando提出的鲁棒主成分分析即Robust Principle Component Analysis，RPCA方法，得到鲁棒均值向量μ∈R^s×1和鲁棒本征向量B∈R^s×k，k＜M；

步骤3：将待识别的人脸表情图像归一化数据矩阵P∈R^m×n；

步骤4：将P展开为一维列数据向量d∈R^s×1，如式(1)计算向量d的重构向量d_rec∈R^s×1，并将其变形为数据矩阵P′∈R^m×n；

d_rec＝μ+BB^T(d-μ)                      式(1)

步骤5：计算重构后的人脸图像矩阵P′与将待识别表情的人脸图像矩阵P的差值图像矩阵E∈R^m×n，如式(2)所示；

E＝|P′-P|                              式(2)

步骤6：设扫描窗口Q高为h，其中1≤h＜m，宽为w，其中1≤w＜n，窗口的左上角坐标为(x1，y1)，其中0≤x1＜n，0≤y1＜m，对h、w、x1、y1进行遍历，并满足约束条件如式(3)所示；对差值图像的扫描窗口Q进行显著性检测，如式(4)所示，得到显著值H_E，Q；

0≤x1+w≤n且0≤y1+h≤m且2*w*h＜m*n      式(3)

HE,Q=-ΣiPE,Q(ei)log2PE,Q(ei)]]>式(4)

其中P_E，Q(e_i)指差值图像矩阵E在扫描窗口Q取值为e_i的概率，其中0≤e_i≤255；

步骤7：对所有扫描窗口Q的显著值H_E，Q取最大显著值H_max＝max{H_E，Q}，并判定遮挡区域，如式(5)所示，若显著值H_max大于预设定的阈值H₀，与H_max相关的区域被判定为遮挡区域，否则判定为不存在遮挡区域；

式(5)

步骤8：对人脸表情图像矩阵P的遮挡区域进行重构，如式(6)所示；若R_occlusion不为空，跳转到步骤4；若R_occlusion为空，继续执行步骤9；

P(x,y)=P(x,y)(x,y)∉RocclusionP′(x,y)(x,y)∈Rocclusion]]>式(6)

步骤9：将人脸表情图像矩阵P作为步骤1训练所得人脸表情分类器的输入，得到人脸表情识别结果。