[发明专利]一种人脸表情图像的增强识别方法

权利要求书

1.一种人脸表情图像的增强识别方法，其特征在于，所述人脸表情识别方法包括下列步骤：

1)利用基于Haar特征的Adaboost级联检测器进行人脸定位，框出人脸部分并裁剪，对裁剪后的图像进行图像预处理后保存图像；

2)利用回归模型建立人脸表观到人脸形状之间的映射关系，实现人脸对齐，并提取面部人脸特征点，确定人脸特征点；

具体的是利用回归模型中的级联回归树算法建立人脸表观到人脸形状之间的映射关系，实现人脸对齐，并提取面部h个人脸特征点；所述提取面部h个人脸特征点具体包括：

选取300-W数据库作为样本集进行训练，定义a_i＝(x_i,y_i)(i＝1,2,...,h)为样本集中一张图片P上的特征点的坐标，定义S＝(a₁^T,a₂^T,...,a_m^T)，m＝h，为一张图片上所有特征点的坐标向量，称其为形状，回归迭代公式为：

λ_t为多个回归器级联构成的回归模型，为S的当前估计量，λ_t(·,·)为级联回归器预测的图像更新向量，S_z为人脸真实形状，ΔS^(t+1)为残差；向回归模型输入当前的人脸形状和样本图像，经过回归模型预测更新向量，得到新的形状估计量即新的当前人脸形状和此时人脸形状的残差，即当前形状与真实形状之间的差值，回归模型根据当前残差进行迭代更新，不断缩小残差，逐步逼近人脸真实形状，最终准确提取人脸特征点；

3)计算人脸特征点相应的欧氏距离，得到表征人脸表情特征的六元数组；

4)所述六元数组输入到训练好的分类模型中实现分类识别，利用随机森林算法训练分类模型，将上述六元数组输入到训练好的模型中实现分类识别；所述分类识别具体包括以下步骤：

步骤一、选择表情数据库fer2013进行训练随机抽取部分样本和部分属性；

步骤二、利用基尼Gini系数从待选属性中确定分裂属性，产生节点，生成CART决策树，将生成的多棵决策树组成随机森林；

步骤三、输入样本后，森林内部会产生N个分类结果，采用投票机制对输入进来的所有样本得到的分类结果进行投票，投票次数最多的类别就是输出的识别结果。

2.根据权利要求1所述的一种人脸表情图像的增强识别方法，其特征在于，步骤1)中，利用基于Haar特征的Adaboost级联检测器进行人脸定位，具体包括：

首先获取图像的Haar特征，利用积分图遍历求得Haar特征值并以此作为分类器的输入，赋予每个输入数据相同的初始权重训练弱分类器，选取其中误差最小的弱分类器作为本轮最优弱分类器，通过计算此最优弱分类器预测值与真实值之间的误差来计算下一个最优弱分类器的权重，经过多次迭代后，将获得的N个最优弱分类器加权组合得到一个强分类器，最后将若干强分类器级联进行检测定位。