[发明专利]基于贝叶斯融合稀疏表示分类器的人脸情感识别方法

说明书

本发明公开了一种新的人脸情感识别方法，包括人脸表情图片的预处理，图像分割，特征提取，分类及分类结果融合，其特征在于：其将完整的人脸表情图片依据五官分布将其分割为四幅子图像(分别对应于额头，眼睛，鼻子，嘴)，利用稀疏表示分类器对子图像及原图像分别进行分类得到五种可能的分类结果，最后利用加权贝叶斯融合决策理论调整不同五官的权重分布，兼顾表情之间的相似性与相异性。具有实践简单，对噪音，遮挡的鲁棒性强，能更好的应对现实人脸表情识别的复杂情况并提高人脸表情识别的准确度等优点。

技术领域

本发明涉及一种模式识别技术，特别涉及一种基于贝叶斯融合稀疏表示分类器的人脸情感识别方法。

背景技术

随着人机交互成为新世纪的热潮，人脸情感识别也随之发挥着越老越大的作用。现在许多电子设备均具有提高理解人类情感能力的需求。譬如：如果一个护理机器人具有持续性监控病人情感状态的能力，它就可以给与病人恰当的照顾并能迅速应对危急情况。另外，如果智能家居的所有者被检测出表露了负面情绪，那么智能家居系统可以选择播放所有者爱好的音乐或说出积极的话语予以应对。

正是由于人脸情感识别的广泛应用，许多针对人脸情感识别的方法纷纷被提出。其中稀疏表示分类器的出现无疑为人脸情感识别拉开了崭新的序章。在其提出之后，许多在此基础上的改进算法也纷纷涌现。而其中较为有趣的莫过于在稀疏表示分类器上的集成。但是，现在的集成大多是基于特征的集成，并且没有注意到在人脸情感识别过程中五官与其他部位对识别度的贡献度是不尽相同的。少有的基于加权融合方法也忽略了情感与情感之前相似混杂的特性，因此，本发明提出了一种利用贝叶斯融合稀疏表示分类器结果的方法。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于贝叶斯融合稀疏表示分类器的人脸情感识别方法，该人脸情感识别方法是一种结合局部与整体信息，兼顾情感之前相似与相异特性的方法，模拟实验表明该方法实现简单，对噪音及遮挡具有鲁棒性，在现实生活中具有实用性。

本发明的目的通过下述技术方案实现：基于贝叶斯融合稀疏表示分类器的人脸情感识别，包括：预处理，图像分割，特征抽取，分类及分类器结果融合，本发明认为不同五官在不同表情及是否存在遮挡物的情况下对人脸情感识别的贡献度是不一致的。因此通过构建权重矩阵给不同五官的信息以不同的置信度，并且通过贝叶斯融合理论对来自不同子图像及原图像的稀疏表示分类器结果进行融合，以达到提高人脸情感识别准确度的目的。

所述的基于贝叶斯融合稀疏表示分类器的人脸情感识别方法中采用ASM算法对人脸表情图像进行特征点标注。并根据所标记的特征点对人脸五官进行相应的分割。

所述的基于贝叶斯融合稀疏表示分类器的人脸情感识别方法中利用不同五官及原图像在稀疏表示分类器中的正确识别率以及错分为其他类别的概率组合成对应的混淆矩阵。该混淆矩阵的作用是表明人脸表情之间的相似性与相异性，用于评估在分类器给出结果之后该结果的可信程度。即：利用加权贝叶斯融合理论对稀疏表示分类器的结果进行融合，考虑了表情与表情之间的相似性与相异性及五官的重要程度

所述的基于贝叶斯融合稀疏表示分类器的人脸情感识别方法中具有一个权重矩阵W，该权重矩阵的作用是衡量五官对识别结果的贡献程度并对其识别结果进行加权。

本发明相对于现有技术具有如下的优点及效果：

1、本发明实现简单且其结构决定了其适用于并行算法从而节省运行时间；本发明的识别方法实践简单，对噪音，遮挡的鲁棒性强，能更好的应对现实人脸表情识别的复杂情况并提高人脸表情识别的准确度等优点

2、本发明考虑了五官在不同表情，是否有遮挡物等不同情况下对人脸情感识别的动态贡献程度，更加符合人脸情感识别的基本自然规律，因此提高了人脸情感识别的准确度。

3、本发明利用混淆矩阵记录了每一子图像及原图像对表情的准确识别能力及将该情绪错分为其他情绪的概率，从而得到了情绪之间的相似性，相异性变化。