[发明专利]一种基于深度学习和SVM的肝豆状核变性患者的表情识别方法

说明书

本发明公开了一种基于深度学习和SVM的肝豆状核变性患者的表情识别方法，包括如下步骤：检测倾斜的人脸图像并进行旋转校正；对表情分布丰富的区域进行裁剪；通过直方图均衡化对表情图像进行处理，增强图像对比度；通过计算局部二值模式LBP以描述人脸图像局部纹理特征，得到区域特征向量；通过PCA算法使用线性变换矩阵对所述区域特征向量进行降维，得到低维Gabor特征向量；通过支持向量机SVM对表情进行分类。本发明通过将人脸识别技术与患者病情的评估与康复有机结合，实现计算机辅助的自动化障碍评估与康复，不仅可以辅助医生诊断、治疗，也可用于患者自行诊断，对于患者发现病情并及时掌握病情的发展有极大的帮助。

技术领域

本发明属于人脸表情识别系统技术领域，特别是涉及一种基于深度学习和SVM的肝豆状核变性患者的表情识别方法。

背景技术

关于面部表情加工过程的研究最初是使用具体面部肌肉结构来区分面部表情，研究表明面部表情是情绪活动所特有的外显表现，是人际交往的重要工具，也是研究情绪的重要客观指标，在漫长的演化过程中逐渐发展成表达情绪的固定的面部肌肉模式，表情是动物和人类进化过程中适应性的动作遗迹，属于集体潜意识范畴，对动物的生存有重要价值，并且这种功能在生物所处环境中得到进一步发展。

肝豆状核变性(hepatolenticulardegeneration，HLD)由Wilson在1912年首先描述，故又称为Wilson病(WilsonDisease,WD)。是一种常染色体隐性遗传的铜代谢障碍性疾病，以铜代谢障碍引起的肝硬化、基底节损害为主的脑变性疾病为特点。由于铜在细胞和组织内的慢性沉积，其病理变化主要在肝、脑、肾和角膜，其中脑、肝及角膜的含铜量明显高于其他组织。HLD患者自出生后不久，铜离子便开始逐渐沉积于脑，尤其好侵犯豆状核(苍白球、壳核)及丘脑等部位。一般在5岁以后，出现以锥体外系统损害为主的极为复杂、形式多样的神经症状。神经系统症状是最常见的出发症状，大多于7～30岁间出现。本病在疾病初期或病程中可出现一项或多项锥体外系症状或其他神经症状，在情绪活动中，人的面部、体姿和语音、语调会发生一系列明显的变化，例如，面红耳赤、目瞪口呆、手舞足蹈、语无伦次等等。这些变化因为可被他人直接观察到，往往成为情绪活动的表征，所统称为“表情”。表情是情绪活动所特有的外显表现，是人际交往的重要方式，也是研究情绪的重要客观指标。它包括面部表情、姿态表情和语调表情。其中最引人关注，也是非常重要的表情就肉、颜面肌肉和口部肌肉的变化来表现情绪状态。面部表情的重要性，在于它是人类情绪最为明显的外显形式，是人际交往中传递情绪的主要媒介。面部表情为人际交流提供了一条迅速、有效的通道，使得个体情绪不需要依赖言语和肢体动作就能准确地被传递出来。

表情信息采样过程中，系统的抗噪性能需要适应环境变化，需要较高的鲁棒性。现有技术中也有一些人脸识别样本采集工作是基于视频方式的。比如，用摄像机在某一定点拍摄视频，样本采集工作者在后台截取视频中含有人脸的图像帧，然后对含有人脸的图像帧根据姿态、光照、表情等进行识别，将符合的图像帧放入人脸识别样本库。这种基于视频方式的样本采集技术，不需要受试者依次有序的处于拍摄点进行多次拍摄，但是还是需要样本采集工作者手动选取含有人脸的图像帧，并人工查验该图像帧是否达到识别标准，再进行样本整理。

发明内容

本发明的目的在于提供一种基于深度学习和SVM的肝豆状核变性患者的表情识别方法，通过将人脸识别技术与患者病情的评估与康复有机结合，将人工智能应用到临床医学中，实现计算机辅助的自动化障碍评估与康复，不仅可以辅助医生诊断、治疗，也可用于患者自行诊断，对于患者发现病情并及时掌握病情的发展有极大的帮助，具有很高的临床实用价值、社会价值和现实意义。

本发明的目的可以通过以下技术方案实现：

一种基于深度学习和SVM的肝豆状核变性患者的表情识别方法，包括如下步骤：

S1、获取人脸图像；

S2、检测图像信息中包含的噪声，通过采集语音的起始端点和结束端点将噪声去除；