[发明专利]一种基于特征块权重化的面部表情识别方法

说明书

本发明涉及一种基于特征块权重化的面部表情识别方法。本方法的操作步骤如下：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。本发明提高了表情几何特征的共性，解决了面部不同特征形式、不同区域特征对表情识别贡献率不同的问题。

技术领域

本发明涉及一种人脸表情识别技术，特别是一种各个特征块基于特征块的权重化以及权重化Bp（反向传播）神经网络的方法。

背景技术

人脸面部表情识别研究面对的最大问题就是如何提高面部表情识别的准确率，由于不同区域、种族的人面部大小、肤色、文化等的影响，导致现在的面部表情识别方法不具备较好的通用性，对不同人不具备鲁棒性。

面部表情的特征提取对于表情的识别非常关键，不同的特征提取方法从不同的角度对特征进行表示，然而，不同特征对于人脸表情的识别贡献率不同。为了区分不同特征、面部不同区域的特征重要性，很多学者基于权重分析的方法，对每维特征赋予权重因子，并采取诸如最大化类间距离、最小化类内距离等优化原则对权重因子进行寻找，依此来区分不同特征对表情识别的贡献率，提高面部表情的识别率。然而这些方法都面对以下3个问题:

1、表情图像提取的特征维数高达成千上万，每维特征权重化，必然会导致权重因子数量较多，寻找权重因子必然会额外增加计算压力，导致实时性不够好。

2、单独对每维特征进行权重化，必然会导致各个特征失去原有的表示形式。

3、权重因子的优化寻找与分类器是两个独立的过程，权重因子的好坏要经过分类器的检测，利于分类器正确分类的才是好的。

基于以上要求，本发明提出一种基于特征块权重化的面部表情识别方法，针对问题1、2，提出对不同形式的特征、面部不同区域的特征基于特征块水平进行权重化。针对问题3，提出权重化的Bp神经网络，将权重因子的优化与神经网络各层权重和阈值的优化同时进行。

发明内容

针对现有技术存在的缺陷，本发明的目的在于提出一种基于特征块权重化的面部表情识别方法，解决不同形式的特征、面部不同区域的特征对面部表情识别贡献率不同的问题。

为了实现上述目的，本发明的构思是：

本基于特征块权重化的面部表情识别方法，包括面部Gabor特征提取，面部几何特征的提取、分块对齐，基于特征块权重化的Bp神经网络。

构建Gabor滤波器，提取面部表情的Gabor纹理特征，针对Gabor特征维数过高问题，采用PCA进行特征降维。采用Face++函数库提取面部关键点的位置作为几何特征，针对几何特征，由于面部位置、大小的不同，需要将面部几何特征对齐，降低定位不精确、尺寸大小不一等的影响，不少学者将面部的几何特征采用Procrustes Analysis对齐，取得了不错的效果，而我们知道，人类判断表情，主要是依靠嘴部、眼部的不同形状，嘴部和眼部的变化是彼此独立的，不互相干扰，因此，本方法提出将面部的几何特征分成左眼、右眼、嘴巴三个几何特征块，分别采用Procrustes Analysis对齐，有别于面部的整体对齐，该方法降低各个特征块之间的干扰，相比于将整个面部的几何特征进行对齐，样本几何特征的对齐效果更好。该操作有利于解决因不同人面部大小、面部器官大小不一样导致的识别率低等问题。