[发明专利]基于MB‑2DPCA特征的人脸表情识别方法

权利要求书

1.基于MB-2DPCA特征的人脸表情识别方法，其特征在于，该方法包括以下步骤：

A）输入图像样本,并对所述图像样本进行几何校正和尺寸归一化的预处理；

B）用多尺度参数的MB-LBP算子对人脸表情图像进行局部纹理特征提取，获得所述多尺度参数下的图像MB-LBP特征；

C）根据所述多尺度参数下的MB-LBP特征对表情识别率的影响，选出在表情识别率最高情况下的MB-LBP尺度参数，并用所述尺度参数的MB-LBP算子对表情特征进行特征提取，构成图像的MB-LBP特征空间；

D）在所述MB-LBP特征空间里，随机提取训练样本，随机提取之后的剩余样本作为测试样本；

E）在所述训练样本中用2DPCA算法计算其投影矩阵W，并将所有训练样本通过投影矩阵W映射到子空间，获得表情图像在所述子空间的特征表示；

F）将所述测试样本通过投影矩阵W投影到所述子空间，用稀疏表示分类器对测试样本的特征进行分类，获得测试样本所属的类别。

2.根据权利要求1所述的基于MB-2DPCA特征的人脸表情识别方法，其特征在于，所述局部纹理特征提取是在把握图像像素粗粒度的基础上，通过多尺度参数下的MB-LBP算子提取像素颗粒程度不同的图像纹理以获得表情纹理信息，具体步骤如下：

1）对图像样本进行尺寸归一化；

2）通过设置所述多尺度参数，获得MB-LBP表情纹理特征；

3）将上述MB-LBP表情纹理特征通过稀疏表示分类，选出表情识别率最高的尺度参数。

3.根据权利要求1所述的基于MB-2DPCA特征的人脸表情识别方法，其特征在于，所述表情识别率为在六类表情中，每类表情的识别率求和后再进行平均后的识别率。

4.根据权利要求3所述的基于MB-2DPCA特征的人脸表情识别方法，其特征在于，所述六类表情分别为：生气、厌恶、害怕、高兴、悲伤或惊奇。

5.根据权利要求2所述的基于MB-2DPCA特征的人脸表情识别方法，其特征在于，所述多尺度参数的设置范围分别为：3×3、5×5、7×7、9×9、11×11和13×13。

6.根据权利要求2所述的基于MB-2DPCA特征的人脸表情识别方法，其特征在于，所述多尺度参数的设置范围里，多尺度参数分别为：3×3、5×5、7×7、9×9、11×11和13×13，且对应的表情识别率分别为：75.3%、79.3%、72.0%、61.7%、53.3%和44.1%。

7.根据权利要求6所述的基于MB-2DPCA特征的人脸表情识别方法，其特征在于，在表情识别率为79.3%时的MB-LBP算子参数为：5×5。

8.根据权利要求1所述的基于MB-2DPCA特征的人脸表情识别方法，其特征在于， 所述步骤E）中2DPCA算法是直接将图像二维矩阵投入运算，充分利用了二维样本特征类别的差异，主成分取累计贡献率95%的前11个特征向量组成最优投影矩阵W。