[发明专利]一种人脸身份和表情的同步识别方法

摘要

本发明提出了一种人脸身份和表情的同步识别方法，首先对每幅人脸图像进行面部特征提取，同时为每幅图像定义相应的语义特征，并对面部特征采用核主成分分析(PCCA)的特征融合方法，使得输入的图像特征具有更好的识别特性。在此基础上运用偏最小二乘回归(PLSR)方法建立脸部特征和语义特征之间的关系模型，并运用此模型对待识别的人脸图像进行表情和身份的识别。通过实验表明，本发明提出的方法不仅能进行人脸和表情的同步识别，而且可提高人脸表情识别的识别率。

主权项

1.一种人脸身份和表情的同步识别方法，其特征在于包括以下步骤：(1)面部特征提取：面部特征由面部几何特征和Gabor小波特征两部分组成；其中面部几何特征定义为由面部关键点的坐标值所组成的特征矢量，而Gabor特征提取则是用一组具有不同尺度和方向的Gabor滤波器组对每幅人脸图像进行卷积，得到幅值图像，然后面部关键点处的幅值所组成的特征矢量作为Gabor特征矢量；此外，还必须为每一幅图像建立相应的语义特征矢量，用于后续的识别；(2)特征融合：在获得几何特征矢量和Gabor特征矢量后，运用核主成分分析(KPCA)法对两组特征矢量进行变换处理，再将变换后的两组特征矢量合并为一组新的特征矢量作为人脸身份和表情识别用的输入特征矢量；(3)人脸和表情的同步识别：首先采用偏最小二乘(PLSR)方法建立输入特征矢量和相应的输出语义矢量之间的关系表达式，然后根据该关系式对待测试的人脸图像的输入特征预测其所对应的语义特征，并依据语义特征进行人脸的身份和表情的分类。