[发明专利]基于带权重局部旋度模式的三维人脸表情识别方法

摘要

本发明提供一种基于带权重局部旋度模式的三维人脸表情识别方法，首先计算并获取输入人脸的三维向量场，在此向量场中计算人脸各点的旋度向量；其次，将输入人脸的存储格式写成矩阵形式，并将矩阵各元素替换成旋度向量，生成旋度分量图像；对旋度各分量分别进行编码，提取局部旋度模式特征；采用ICNP算法将输入人脸与标准模板人脸进行点对匹配，提取输入人脸的11个子区域；基于最小投影偏差算法计算输入人脸各子区域的表情权重；最后，将输入人脸各区域的原始LCPs特征乘以对应区域的表情权重，得到带权重的LCPs特征，将其输入到分类器中以完成表情识别。本发明的LCPs特征与原始的旋度向量相比，不仅维度降低、便于后续计算，表情识别能力得到较大提升。

主权项

1.基于带权重局部旋度模式的三维人脸表情识别方法，其特征在于：该识别方法包括以下步骤：(1)计算输入的人脸各点的三维向量场，设输入的三维人脸点云为P，P＝{p₁,p₂,…,p_n},其中点p_i的法向量为n_i＝[n_ix,n_iy,n_iz]^T其计算的表达式为：其中是包含p_i点在内的p_i邻域点集合,即其中1_m+1指的是(m+1)×1维的单位矩阵；d指的是平面S_i表达式中的常数项；根据最小二乘法求解上式获得n_i；(2)根据人脸各点的法向量，计算人脸各点的旋度值；其计算表达式为：其中，c_i为旋度，L为点集Q_i围成的闭合曲线，S为曲线L所围成闭合区域的面积；根据上式，旋度的方向向量由点的法向量决定；(3)首先将输入的三维人脸点云的存储格式写成矩阵形式，生成旋度分量图像；(4)基于旋度分量图像对旋度进行编码，提取局部旋度模式特征；(5)采用ICNP算法将输入的人脸与标准模板人脸进行点对匹配，提取输入人脸的11个子区域；(6)利用最小投影偏差算法计算输入的人脸11个子区域的每一子区域的表情权重，其表情权重w(P_i)表达式为：其，e_i为最小投影偏差，其表达式为：其，P_i(LCPs_l)和R_i(LCPs_l)分别指输入的人脸子区域P_i和标准模板人脸子区域R_i的LCPs_l特征值；(7)将输入的人脸每一区域的局部旋度模式特征乘以对应区域的表情权重，获得带权重的LCPs特征，并将其输入到分类器中完成表情识别。