人臉表情特征提取方法
【技術領域】
[0001] 本發(fā)明涉及一種人臉表情特征提取方法。
【背景技術】
[0002] 人臉表情包含豐富的人體行為信息，是人類情緒的一種表現(xiàn)形式，也是人們進行 非語言交流有效而重要的手段。人們可以通過表情準確、充分而微妙地表達自己的思想感 情，也可以通過表情辨認對方的態(tài)度和內(nèi)心世界。因此，對表情識別進行研宄具有重要的學 術價值和應用前景，逐漸成為近年來的研宄熱點。
[0003] 人臉表情識別是計算機對人臉表情信息進行特征提取并歸類的過程，它使計算機 能夠從人的表情中推斷出人的心理，從而實現(xiàn)人機之間的高級智能交互。人臉表情識別系 統(tǒng)主要由表情圖像預處理、人臉檢測與人臉區(qū)域分割、表情特征提取和表情分類等部分組 成。
[0004] 表情特征提取是人臉表情識別系統(tǒng)的一個重要環(huán)節(jié)，是提高表情分類準確性的關 鍵步驟。在眾多表情特征提取方法中，局部特征法對光照、姿態(tài)等變化具有較強的魯棒性， 其中局部二值模式（Local Binary Pattern，LBP)是代表性方法。LBP算法可以快速提取 表情特征，具有強大的紋理判別能力和計算簡單等特點，被廣泛地應用于紋理分類、圖像檢 索和人臉圖像分析中，并且在模式識別領域越來越受歡迎。然而，LBP算法有以下不足：
[0005] 一、LBP算法將中心像素點灰度值與周圍8個鄰域像素點灰度值進行比較，大于等 于〇的編碼為1，否則為0。這種編碼方法容易受到鄰域灰度變化影響，對噪聲敏感。
[0006] 二、LBP算法對每個塊（block)圖像進行8位編碼，得到特征維數(shù)是塊（block)個 數(shù)X28,導致圖像特征維數(shù)過大，降低了識別速度，同時也影響了識別率，在大型數(shù)據(jù)庫上 表現(xiàn)更為明顯。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的是提供一種人臉表情特征提取方法，綜合考慮了不同方向上鄰域像 素的灰度變化，區(qū)別于傳統(tǒng)LBP算法僅比較中心像素與單個鄰域像素點的灰度大小，從而 能夠有效表征人臉表情細節(jié)特征，且對噪聲有一定的魯棒性。
[0008] 本發(fā)明的技術解決方案是：
[0009] 一種人臉表情特征提取方法，其特征在于，包括以下步驟：
[0010] S1、將人臉表情圖像分為N個塊圖像，每個子圖像的大小為mXn ;
[0011] S2、由局部加權二值模式即LWBP，采用公式（1)和公式（2)分別計算出每個塊圖像 中所有像素的LWBPjP LWBP 2編碼值；
【主權項】
1. 一種人臉表情特征提取方法，其特征在于，包括以下步驟： 51、 將人臉表情圖像分為N個塊圖像，每個子圖像的大小為mXn; 52、 由局部加權二值模式即LWBP，采用公式（1)和公式（2)分別計算出每個塊圖像中所 有像素的LWBPJPLWBP2編碼值；
公式（1)、公式（2)中，mi(i= 0, 1...3)為四個方向的加權值，ei(i= 1，2)為加權平 均值，LWBPi(i= 1，2)為編碼值； 53、 分別統(tǒng)計每個塊圖像的LWBP直方圖氏和H2; 54、 由于LWBP的兩組模板是對稱的，LWBPJPLWBP2兩幅編碼圖像所隱含的特征信息相 似，將塊圖像的兩個直方圖氏和H2直接疊加得到直方圖H作為最終的塊圖像LWBP特征，該 特征維數(shù)為2k= 2 4= 16 ; 55、 將所有塊圖像的統(tǒng)計直方圖順序連接起來，得到用于分類識別的整個圖像的LWBP 特征向量，長度為16XN。
2. 如權利要求1所述的人臉表情特征提取方法，其特征在于，S2中，局部加權二值模式 即LWBP定義如下： 首先，將八個模板按方向分為對稱的兩組，每組都包含了水平、垂直和兩個對角共4個 方向； 其次，分別計算兩組中4個方向的加權值，將每個加權值與4個方向的加權平均值進行 比較，從而判斷出灰度變化較大的方向，將灰度變化較大的方向編碼為1，其余編碼為0 ;定 義式為公式（1)、（2)。
3. 如權利要求1或2所述的人臉表情特征提取方法，其特征在于：S3中，采用公式（3) 和公式⑷分別統(tǒng)計每個塊圖像的LWBP直方圖氏和H2，
公式（3)中LWBPikc)為像素（r，c)的，順序掃描塊圖像中所有像素點的 1^8?1值，當LWBP:值等于灰度值（i= 0, 1，2, ? ? ?，2k-l)時，直方圖Hji)累加1，公式（3) 中直方圖的長度由LWBP算子的編碼位數(shù)k決定，這里k= 4,表示四個方向； 公式（4)與公式（3)同理，公式（4)中LWBP2(r，c)為像素（r，c)的^^匕值，順序掃描 塊圖像中所有像素點的1^8己值，當LWBP2值等于灰度值（i=0，1，2，...，2k-l)時，直方圖 H2(i)累加1，公式（4)中直方圖的長度由LWBP算子的編碼位數(shù)k決定，這里k= 4,表示四 個方向。
【專利摘要】本發(fā)明提供一種人臉表情特征提取方法，將人臉表情圖像分為N個塊圖像，每個子圖像的大小為m×n；由局部加權二值模式即LWBP分別計算出每個塊圖像中所有像素的LWBP1和LWBP2編碼值；分別統(tǒng)計每個塊圖像的LWBP直方圖；將塊圖像的兩個直方圖直接疊加得到直方圖作為最終的塊圖像LWBP特征；將所有塊圖像的統(tǒng)計直方圖順序連接起來，得到用于分類識別的整個圖像的LWBP特征向量。通過分別計算兩組對稱的共八個模板的加權灰度值，比較各個方向加權值與平均加權值的大小并進行編碼，它綜合考慮了不同方向上鄰域像素的灰度變化，能夠有效表征人臉表情細節(jié)特征，且對噪聲有一定的魯棒性，且識別速度明顯加快，具有實用性。
【IPC分類】G06K9-46, G06K9-00
【公開號】CN104778472
【申請?zhí)枴緾N201510202840
【發(fā)明人】童瑩, 陳晨, 焦良葆
【申請人】南京工程學院
【公開日】2015年7月15日
【申請日】2015年4月24日