[发明专利]一种基于特征块权重化的面部表情识别方法

权利要求书

1.一种基于特征块权重化的面部表情识别方法，其特征在于操作步骤如下：

1)提取表情图片的Gabor纹理特征和几何特征；

2)对提取的Gabor纹理特征采用PCA算法降低特征维度，对提取的几何特征分块对齐，将几何特征分为嘴部、左眼、右眼三个特征块，并分别采用Procrustes Analysis方法将各个几何特征进行对齐；

3)将PCA降维后的Gabor纹理特征与Procrustes Analysis后的三个几何特征块进行融合，组成融合特征；

4)将融合特征输入到特征块权重化的Bp神经网络，对神经网络进行训练，寻求合适的各层权重系数；

所述步骤1)提取表情图片的Gabor纹理和几何特征是：采用Gabor滤波器提取表情图像的Gabor纹理特征，采用Face++函数库提取表情图像的几何特征；

所述步骤2)中的几何特征块对齐是：将几何特征分为左眼几何特征块、右眼几何特征块和嘴部几何特征块，然后对各个特征块分别采用Procrustes Analysis进行对齐处理；

所述步骤3)中的特征融合是：将Gabor特征和各个几何特征块按列向量的方式进行排列组合；

所述步骤4)中的特征块权重化的Bp神经网络方法是：在神经网络的输入层前增加了权重层，权重层包含四个权重因子，并将这四个权重因子与Bp神经网络各层的参数进行一起训练优化，实现对四个特征块的权重化。