[发明专利]基于专家系统的人脸表情图像识别方法

说明书

技术领域

本发明涉及一种专家系统应用技术，尤其是涉及一种基于专家系统的人脸表情图像识别方法。

背景技术

专家系统是一类具有专门知识和经验的计算机智能程序系统，通过对人类专家的问题求解能力的建模，采用人工智能中的知识表示和知识推理技术来模拟通常由专家才能解决的复杂问题，达到具有与专家同等解决问题能力的水平。这种基于知识的系统设计方法是以知识库和推理机为中心而展开。它把知识从系统中与其他部分分离开来。专家系统强调的是知识而不是方法。很多问题没有基于算法的解决方案，或算法方案太复杂，采用专家系统，可以利用人类专家拥有丰富的知识，因此专家系统也称为基于知识的系统。

目前，随着科技的发展，康复护理智能床日益普及。然而患者中，有很大一部分人不能通过肢体或语言准确的向外界表达自己的意图。对每个人来说，不同的表情代表不同的状态。当语言和肢体不能传达时，我们可以通过表情来识别患者的想法，完成相应的操作。市面上护理床操作者都是护理人员，而忽略了患者的本身意愿。我们本着以人为本的设计理念，通过表情识别技术的专家系统，使得行动不方便的患者也可自行操作护理床。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于专家系统的具有学习功能并能快速准确识别人脸表情的人脸表情图像识别方法。

本发明的目的可以通过以下技术方案来实现：

一种基于专家系统的人脸表情图像识别方法，该方法通过建立在表情图像处理方法和传统计算机程序功能的基础上的用于人脸表情识别的专家系统对预处理的图像进行推理识别人脸表情，所述方法包括以下步骤：

1)从视频中捕捉图像，获得该视频中的用户信息，然后通过图像处理，图像特征提取，进行身份验证，获取用户的表情图像特征参数，确定用户表情库，建立识别人脸表情专家系统；

2)对从视频中捕捉的图像进行图像处理和图像特征提取，获得用户表情程度最大化时的特征参数，将特征参数与步骤1)确定的用户表情库中的表情训练样本参数进行比对，经过专家系统推理机的推理最终输出表情识别的统计结果。

所述步骤1)中建立识别人脸表情图像专家系统具体包括步骤：

11)获取人脸表情图像；

12)对人脸表情图像预处理；

13)提取人脸表情图像特征；

14)建立人脸表情专家系统规则库并将步骤13)中提取的特征参数存入到规则库中。

所述步骤2)中表情识别获取人脸表情图像识别结果具体包括步骤：

21)获取用户的表情图像：视频信息接收后，从视频信息中捕捉图像，获取用户的表情图像。

22)对步骤21)中获取的人脸表情图像，进行图像预处理；

23)对步骤22)中获得的眼部和嘴部的图像进行特征提取；

24)表情识别：将步骤23)中得到的特征参数输入到识别人脸表情图像专家系统中并与专家系统规则库中存储的面部表情特征参数进行对比，经过专家系统中推理机的推理并输出推理结果。

所述步骤12)和步骤22)和中人脸表情图像的预处理具体包括图像去噪、尺度归一化、灰度归一化、图像分割和图像二值化；

所述图像去噪后得到去噪后的图像g(i，j)为：

g(i，j)＝∑f(i，j)/N，(i，j)∈M

其中：f(i，j)为给定的含有噪声的图像，M是所取邻域中各邻近像素的坐标，N是邻域中包含的邻近像素的个数；

所述尺度归一化后得到目标图像g(x，y)为：

g(x，y)＝f(x/a+x₀，y/a+y₀)

其中：f(x，y)为归一化前图像，(x₀，y₀)为图片目标区域的重心，a为尺度因子，所述尺度因子为：

a＝sqrt(T/m)

其中：m为目标图像的面积；T为归一化前图像的面积

所述灰度归一化为分段线性灰度变换方法；

所述图像分割技术为串行区域分割技术，通过对嘴巴和眼睛目标区域的直接检测来对图像进行分割。

所述图像二值化算法为二值化方法Otsu算法，使用灰度阈值将灰度图像分成目标部分和背景部分两类。

所述步骤13)和33)中人脸表情图像特征包括左眼特征、右眼特征和嘴部特征，所述人脸表情图像特征提取算法具体包括以下步骤：

201)对每一像素点计算相关矩阵M：