一種具有噪聲魯棒性的人臉表情識(shí)別方法
【專利摘要】本發(fā)明公開了一種具有噪聲魯棒性的人臉表情識(shí)別方法，包括對(duì)預(yù)處理濾波的改進(jìn)和特征提取算子的改進(jìn)，其中基于相對(duì)亮度差調(diào)節(jié)因子的各向異性擴(kuò)散濾波模型，彌補(bǔ)原始各向異性擴(kuò)散濾波方法在濾除噪聲的同時(shí)也平滑掉細(xì)節(jié)的不足，區(qū)分面部噪聲和弱細(xì)節(jié)表情信息，保證表情圖像信息的完整性，同時(shí)，采用改進(jìn)HOG算子提取表情特征，降低特征向量維度，減少冗余信息的干擾，縮短算法運(yùn)行時(shí)間，提高分類精度和對(duì)噪聲的魯棒性，具有良好的應(yīng)用前景。
【專利說明】一種具有噪聲魯棒性的人臉表情識(shí)別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種具有噪聲魯棒性的人臉表情識(shí)別方法，屬于人臉識(shí)別【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 人臉面部表情是人類重要的形體語(yǔ)言之一，能夠比較準(zhǔn)確地反映情感、精神、心理 等狀態(tài)變化。近年來，利用計(jì)算機(jī)分析理解人臉表情完成相關(guān)工作，在人機(jī)交互中具有重要 應(yīng)用前景，人臉表情識(shí)別技術(shù)逐漸成為研究熱點(diǎn)，人臉表情識(shí)別系統(tǒng)主要包括圖像預(yù)處理、 人臉檢測(cè)與區(qū)域分割、表情特征提取和分類四個(gè)部分，考慮到分類器識(shí)別效果好壞很大程 度上取決于特征描述準(zhǔn)確性高低，因此表情特征提取是人臉表情識(shí)別系統(tǒng)的重要環(huán)節(jié)，是 提高分類準(zhǔn)確率的關(guān)鍵。特征提取算法有很多，例如，PCA、LBP、Gabor等，但都有一定局限 性，尤其在圖像質(zhì)量不佳或噪聲干擾嚴(yán)重的情況下，提取表情特征不準(zhǔn)確，算法的識(shí)別精度 下降，因此，在特征提取之前，對(duì)降質(zhì)圖像進(jìn)行濾波預(yù)處理又顯得尤為重要，由此可見，可靠 濾波方法與有效表情特征提取算法的結(jié)合是進(jìn)行準(zhǔn)確分類的關(guān)鍵。
[0003] 目前，對(duì)于預(yù)處理步驟，均值濾波、中值濾波和Wiener濾波等是常用的圖像濾波 算子，然而它們?cè)谄交肼暤耐瑫r(shí)也模糊了圖像的邊緣，不能很好重現(xiàn)原始圖像中的結(jié)構(gòu) 信息。近幾年，針對(duì)圖像濾波中保持重要特征的問題，基于非線性方程的濾波方法得到很大 發(fā)展，尤其是Perona和Malilik提出的各向異性擴(kuò)散濾波方法，各向異性擴(kuò)散濾波的基本 原理，它實(shí)質(zhì)上是偏微分方程形式的熱傳導(dǎo)方程，其具體的表達(dá)式如公式（8)所示，

【權(quán)利要求】
1. 一種具有噪聲魯棒性的人臉表情識(shí)別方法，包括以下步驟，步驟（A)圖像預(yù)處理；步 驟（B)人臉檢測(cè)與區(qū)域分割；步驟（C)人臉表情特征提?。徊襟E（D)人臉表情特征分類，其 特征在于： 步驟（A)圖像預(yù)處理，基于相對(duì)亮度差調(diào)節(jié)因子的各向異性擴(kuò)散濾波方法，利用噪聲 和弱小細(xì)節(jié)的亮度差不同，結(jié)合梯度模值，修正擴(kuò)散系數(shù)，使其能正確區(qū)分噪聲和弱小細(xì)節(jié) 信息，包括以下步驟， (Al)根據(jù)公式（1)，計(jì)算以像素點(diǎn)（x，y)為中心3X3鄰域的像素均值fjxjj)，
(1) 其中，t為濾波次數(shù)； (A2)比較f (X，y, t)和fm(x, y, t)大小，其中，f(x, y, t)為像素點(diǎn)（X，y)的梯度值，若 f(x, y, t)>fm(x, y, t)，則取以像素點(diǎn)（X，y)為中心的3X3鄰域內(nèi)所有灰度值小于乙匕y, t) 的像素均值作為像素點(diǎn)（x，y)處的背景值Im(x，y，t);若以^〇〈乙〇^，〇，則取以像素 點(diǎn)（x，y)為中心的3X3鄰域內(nèi)所有灰度值大于fm(X，y，t)的像素均值作為（x，y)處的背景 值 Im(x，y，t);若 f(x，y，t) = fm(x，y，t)，貝U取 fm(x，y，t)作為（X，y)處的背景值 Im(x，y，t); (A3)根據(jù)公式（2)，計(jì)算圖像的亮度差A(yù)l (x，y，t) A I (x, y, t) = f (x, y, t) -Im (x, y, t) (2) (A4)列出各向異性擴(kuò)散濾波改進(jìn)后的擴(kuò)散系數(shù)方程，如公式（3)所示，
其中，I I Vf(x，y，t) I I為梯度模值，M(x，y，t)為調(diào)節(jié)因子，K為梯度閾值，取M(x，y，t) =a ? A I (X，y, t) , a為可調(diào)系數(shù)，A I (X，y, t)為亮度差； (A5)利用改進(jìn)后的擴(kuò)散系數(shù)方程有效區(qū)分邊緣、背景、弱小細(xì)節(jié)和噪聲； 步驟（C)人臉表情特征提取，采用改進(jìn)的HOG算子對(duì)步驟（B)人臉檢測(cè)與區(qū)域分割后 的圖像數(shù)據(jù)提取表情特征，包括以下步驟， (Cl)根據(jù)改進(jìn)的HOG算子，計(jì)算圖像每個(gè)像素點(diǎn)的梯度幅值和方向，捕獲表情輪廓信 息，弱化光照的干擾； (C2)將檢測(cè)窗口劃分成大小相同的單元格； (C3)統(tǒng)計(jì)每個(gè)單元格的梯度方向直方圖； (C4)將相鄰的單元格組合成無(wú)重疊的塊，統(tǒng)計(jì)整個(gè)塊的梯度方向直方圖特征，并對(duì)每 個(gè)塊內(nèi)的直方圖進(jìn)行歸一化； (C5)連接所有塊的梯度方向直方圖，得到表示整個(gè)表情圖像的HOG特征。
2. 根據(jù)權(quán)利要求1所述的一種具有噪聲魯棒性的人臉表情識(shí)別方法，其特征在于： (Cl)根據(jù)改進(jìn)的HOG算子，計(jì)算圖像每個(gè)像素點(diǎn)的梯度幅值和方向是采用canny模板代替 一維中心對(duì)稱模板計(jì)算，包括以下步驟， (1) 根據(jù)公式（4)，計(jì)算圖像每個(gè)像素點(diǎn)的梯度幅值的x軸分量，
其中，Gx(x, y)為像素點(diǎn)（X，y)在X方向梯度值，f (X，y)為像素點(diǎn)（X，y)處的灰度值； (2) 根據(jù)公式（5)，計(jì)算圖像每個(gè)像素點(diǎn)的梯度幅值的y軸分量，
(5) 其中，Gy(x，y)為像素點(diǎn)（x，y)在y方向梯度值； (3) 根據(jù)公式（6)，計(jì)算圖像每個(gè)像素點(diǎn)的梯度幅值，
3.根據(jù)權(quán)利要求1所述的一種具有噪聲魯棒性的人臉表情識(shí)別方法，其特征在于： (C2)將檢測(cè)窗口劃分成大小相同的單元格的大小為16X16像素，（C4)將相鄰的單元格組 合成無(wú)重疊的塊的大小為4X4單元格。
【文檔編號(hào)】G06K9/40GK104331683SQ201410555406
【公開日】2015年2月4日 申請(qǐng)日期:2014年10月17日 優(yōu)先權(quán)日:2014年10月17日
【發(fā)明者】童瑩, 焦良葆, 曹雪虹 申請(qǐng)人:南京工程學(xué)院