[发明专利]一种基于反向协同显著区域特征的表情识别方法

权利要求书

1.一种基于反向协同显著区域特征的表情识别方法，其特征在于，包括表情显著区域的提取、显著区域的特征提取和分类识别部分，其中：

所述表情显著区域提取部分，用于提取表情的含有表情信息量多的局部区域，以此提取表情的有效局部区域，减少计算量，具体为：

S1，先将训练样本进行预处理，对于背景以及不包含表情信息的部分进行剔除，只保留人脸部分；

S2，对于提取的人脸部分，利用反向协同显著区域算法检测并提取数据集中同一人不同表情的协同显著区域；其中，所述反向协同显著区域算法分为显著性检测和协同性检测两个部分，显著性和协同性分析分别采用聚类级的空间特征和对比特征进行，然后使用乘法特征融合方法生成协同显著概率，对协同显著概率取反操作，最终得到表情之间含差异信息的协同显著区域；

S3，对于提取出的显著区域进行初步的分类识别，根据识别的结果判断显著区域的有效性并赋值权重；

所述显著区域的特征提取部分，用于提取表情有效区域的特征，从而对表情进行有效的描述；具体为：

S4，对于所提取的表情各个显著区域部分，提取LBP纹理特征；

S5，对于一副表情图片的整体显著区域提取全局HOG轮廓特征；

所述分类识别部分，用于分析、求解和判断表情所属类别，具体包括：

利用多分类决策机制，首先根据局部纹理特征进行识别，判别各个部分的识别结果是否一致，如果是，则是所得到的识别结果，如果不是，那么对全局HOG特征进行识别，看其结果是否含有两个以上的相同结果，如果有，则是相同结果的类，如果没有，则选取权重值最大局部区域的结果。