[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

摘要

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。

主权项

1.一种基于深度学习和SVM的肝豆状核变性患者的表情识别方法，其特征在于，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；S3、基于人脸对称性的人脸分割方法对图像进行处理，确定图像中的面部范围；S4、获取面部图像并判断是否人脸图像，若所述面部图像为人脸图像，继续执行S5，否则，排除图像信息；S5、检测倾斜的人脸图像并进行旋转校正；S6、对表情分布丰富的区域进行裁剪；S7、通过直方图均衡化对表情图像进行处理，增强图像对比度；S8、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；S9、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；S10、通过支持向量机SVM对表情进行分类。