[发明专利]一种基于Gabor滤波器的人脸表情识别方法及系统

权利要求书

1.一种基于Gabor滤波器的人脸表情识别方法，包括

通过视频采集设备采集用户图像，对所述用户图像进行预处理以获取所述用户图像中的面部区域；

利用Gabor滤波器基于所述面部区域提取用于进行人脸特征识别的人脸特征图像；

将所述人脸特征图像输入预设的人工神经网络模型，由所述神经网络模型对所述人脸特征图像进行表情分类，识别并输出所述用户图像的人脸表情识别结果。

2.根据权利要求1所述的方法，其特征在于，所述通过视频采集设备采集用户图像，对所述用户图像进行预处理以获取所述用户图像中的面部区域，包括：

通过视频采集设备采集用户图像；

使用Viola-Jones人脸检测算法对所述用户图像进行预处理，获取所述用户图像中的面部区域。

3.根据权利要求2所述的方法，其特征在于，所述使用Viola-Jones人脸检测算法对所述用户图像进行预处理，获取所述用户图像中的面部区域，包括：

建立所述用户图像的积分图像，并基于所述积分图像获取所述用户图像的类Harr特征集；

通过Adaboost算法对所述类Harr特征集进行训练，提取所述用户图像中的面部特征；

利用级联分类器对所述提取的面部特征进行筛选，获取所述用户图像中的面部区域。

4.根据权利要求1所述的方法，其特征在于，所述利用Gabor滤波器基于所述人脸区域提取用于进行人脸特征识别的人脸特征图像，包括：

基于经过预处理后获取的所述面部区域，通过Gabor滤波器使用不同的方向和频率，提取所述面部区域中用于人脸特征识别的Gabor特征，生成用户的人脸特征图像；

其中，Gabor滤波器由多个频率和多个方向的多分辨率结构组成。

5.根据权利要求1所述的方法，其特征在于，所述人工神经网络模型由多层前馈网络构成；

所述将所述人脸特征图像输入预设的人工神经网络模型，由所述神经网络模型对所述人脸特征图像进行表情分类，识别并输出所述用户图像的人脸表情识别结果，包括：

将所述人脸特征图像输入所述预设的人工神经网络模型，由所述人工神经网络模型的多层前馈网络反向传播算法基于所述人脸图像特征进行模式识别，分类判断所述用户图像中用户的表情类型，输出人脸表情识别结果。

6.一种基于Gabor滤波器的人脸表情识别系统，包括

面部区域获取模块，其配置成通过视频采集设备采集用户图像，对所述用户图像进行预处理以获取所述用户图像中的面部区域；

人脸特征图像提取模块，其配置成利用Gabor滤波器基于所述面部区域提取用于进行人脸特征识别的人脸特征图像；

人脸表情识别模块，其配置成将所述人脸特征图像输入预设的人工神经网络模型，由所述神经网络模型对所述人脸特征图像进行表情分类，识别并输出所述用户图像的人脸表情识别结果。

7.根据权利要求6所述的系统，其特征在于，所述面部区域获取模块，还配置成：

通过视频采集设备采集用户图像；

使用Viola-Jones人脸检测算法对所述用户图像进行预处理，获取所述用户图像中的面部区域。

8.根据权利要求7所述的系统，其特征在于，所述面部区域获取模块，还配置成：

建立所述用户图像的积分图像，并基于所述积分图像获取所述用户图像的类Harr特征集；

通过Adaboost算法对所述类Harr特征集进行训练，提取所述用户图像中的面部特征；

利用级联分类器对所述提取的面部特征进行筛选，获取所述用户图像中的面部区域。

9.根据权利要求6所述的系统，其特征在于，所述人脸特征图像提取模块，还配置成：

基于经过预处理后获取的所述面部区域，通过Gabor滤波器使用不同的方向和频率，提取所述面部区域中用于人脸特征识别的Gabor特征，生成用户的人脸特征图像；

其中，Gabor滤波器由多个频率和多个方向的多分辨率结构组成。

10.根据权利要求6所述的系统，其特征在于，所述人工神经网络模型由多层前馈网络构成；

所述人脸表情识别模块，还配置成：

将所述人脸特征图像输入所述预设的人工神经网络模型，由所述人工神经网络模型的多层前馈网络反向传播算法基于所述人脸图像特征进行模式识别，分类判断所述用户图像中用户的表情类型，输出人脸表情识别结果。