[发明专利]基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法

摘要

本发明公开了一种基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法，该方法使用训练样本构建冗余字典,将测试样本看成冗余字典中训练样本的线性组合，利用其特有的稀疏性进行疼痛与非疼痛表情分类识别，能有效地识别出微笑、安静、非疼痛时的哭、轻度疼痛、剧烈疼痛状态下的表情，并对新生儿面部图像的噪声与遮挡问题具有很好的鲁棒性，为开发新生儿疼痛自动评估系统提供了一种新的方法和途径。

主权项

1.一种基于稀疏表示的新生儿疼痛与非疼痛表情分类识别方法，其特征在于该方法包括以下步骤：A、将经医护人员按疼痛程度分类并作校准归一化的k类新生儿表情图像作为训练样本；B、对每一个训练样本、测试样本进行降维处理，分别用一个d维的特征向量来表示；C、由k个类别的n个训练样本的特征向量构建稀疏表示模型中的一个d行n列的过完备字典矩阵A；n＞＞d；D、对过完备字典矩阵A和测试样本的特征向量y分别进行归一化，得到和E、给定误差容限ε，||·||₁表示l₁范数，||·||₂表示l₂范数，通过求解如下l₁范数最小化问题：θ^=argmin||θ||1]]>满足得到最优的样本重构系数向量F、对于任意的第i类，首先定义一个函数，用于选取中与第i类相关的系数，即函数将系数向量中与第i类相关的所有元素乘以1，其余元素乘以0；然后，计算用第i类训练样本重构得到的与测试样本归一化特征向量的残差：G、将测试样本的残差代入如下的类别判定公式：identity(y)=argminiri(y),i=1,2,L,k]]>得出测试样本的类别，即，在k个残差中寻找最小值，将残差最小的i所对应的类别作为测试样本的分类结果，用identity(y)表示。