人脸表情特征提取方法
【技术领域】
[0001] 本发明涉及一种人脸表情特征提取方法。
【背景技术】
[0002] 人脸表情包含丰富的人体行为信息，是人类情绪的一种表现形式，也是人们进行 非语言交流有效而重要的手段。人们可以通过表情准确、充分而微妙地表达自己的思想感 情，也可以通过表情辨认对方的态度和内心世界。因此，对表情识别进行研宄具有重要的学 术价值和应用前景，逐渐成为近年来的研宄热点。
[0003] 人脸表情识别是计算机对人脸表情信息进行特征提取并归类的过程，它使计算机 能够从人的表情中推断出人的心理，从而实现人机之间的高级智能交互。人脸表情识别系 统主要由表情图像预处理、人脸检测与人脸区域分割、表情特征提取和表情分类等部分组 成。
[0004] 表情特征提取是人脸表情识别系统的一个重要环节，是提高表情分类准确性的关 键步骤。在众多表情特征提取方法中，局部特征法对光照、姿态等变化具有较强的鲁棒性， 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，具有强大的纹理判别能力和计算简单等特点，被广泛地应用于纹理分类、图像检 索和人脸图像分析中，并且在模式识别领域越来越受欢迎。然而，LBP算法有以下不足：
[0005] 一、LBP算法将中心像素点灰度值与周围8个邻域像素点灰度值进行比较，大于等 于〇的编码为1，否则为0。这种编码方法容易受到邻域灰度变化影响，对噪声敏感。
[0006] 二、LBP算法对每个块（block)图像进行8位编码，得到特征维数是块（block)个 数X28,导致图像特征维数过大，降低了识别速度，同时也影响了识别率，在大型数据库上 表现更为明显。
【发明内容】
[0007] 本发明的目的是提供一种人脸表情特征提取方法，综合考虑了不同方向上邻域像 素的灰度变化，区别于传统LBP算法仅比较中心像素与单个邻域像素点的灰度大小，从而 能够有效表征人脸表情细节特征，且对噪声有一定的鲁棒性。
[0008] 本发明的技术解决方案是：
[0009] 一种人脸表情特征提取方法，其特征在于，包括以下步骤：
[0010] S1、将人脸表情图像分为N个块图像，每个子图像的大小为mXn ;
[0011] S2、由局部加权二值模式即LWBP，采用公式（1)和公式（2)分别计算出每个块图像 中所有像素的LWBPjP LWBP 2编码值；
【主权项】
1. 一种人脸表情特征提取方法，其特征在于，包括以下步骤： 51、 将人脸表情图像分为N个块图像，每个子图像的大小为mXn; 52、 由局部加权二值模式即LWBP，采用公式（1)和公式（2)分别计算出每个块图像中所 有像素的LWBPJPLWBP2编码值；
公式（1)、公式（2)中，mi(i= 0, 1...3)为四个方向的加权值，ei(i= 1，2)为加权平 均值，LWBPi(i= 1，2)为编码值； 53、 分别统计每个块图像的LWBP直方图氏和H2; 54、 由于LWBP的两组模板是对称的，LWBPJPLWBP2两幅编码图像所隐含的特征信息相 似，将块图像的两个直方图氏和H2直接叠加得到直方图H作为最终的块图像LWBP特征，该 特征维数为2k= 2 4= 16 ; 55、 将所有块图像的统计直方图顺序连接起来，得到用于分类识别的整个图像的LWBP 特征向量，长度为16XN。
2. 如权利要求1所述的人脸表情特征提取方法，其特征在于，S2中，局部加权二值模式 即LWBP定义如下： 首先，将八个模板按方向分为对称的两组，每组都包含了水平、垂直和两个对角共4个 方向； 其次，分别计算两组中4个方向的加权值，将每个加权值与4个方向的加权平均值进行 比较，从而判断出灰度变化较大的方向，将灰度变化较大的方向编码为1，其余编码为0 ;定 义式为公式（1)、（2)。
3. 如权利要求1或2所述的人脸表情特征提取方法，其特征在于：S3中，采用公式（3) 和公式⑷分别统计每个块图像的LWBP直方图氏和H2，
公式（3)中LWBPikc)为像素（r，c)的，顺序扫描块图像中所有像素点的 1^8?1值，当LWBP:值等于灰度值（i= 0, 1，2, ? ? ?，2k-l)时，直方图Hji)累加1，公式（3) 中直方图的长度由LWBP算子的编码位数k决定，这里k= 4,表示四个方向； 公式（4)与公式（3)同理，公式（4)中LWBP2(r，c)为像素（r，c)的^^匕值，顺序扫描 块图像中所有像素点的1^8己值，当LWBP2值等于灰度值（i=0，1，2，...，2k-l)时，直方图 H2(i)累加1，公式（4)中直方图的长度由LWBP算子的编码位数k决定，这里k= 4,表示四 个方向。
【专利摘要】本发明提供一种人脸表情特征提取方法，将人脸表情图像分为N个块图像，每个子图像的大小为m×n；由局部加权二值模式即LWBP分别计算出每个块图像中所有像素的LWBP1和LWBP2编码值；分别统计每个块图像的LWBP直方图；将块图像的两个直方图直接叠加得到直方图作为最终的块图像LWBP特征；将所有块图像的统计直方图顺序连接起来，得到用于分类识别的整个图像的LWBP特征向量。通过分别计算两组对称的共八个模板的加权灰度值，比较各个方向加权值与平均加权值的大小并进行编码，它综合考虑了不同方向上邻域像素的灰度变化，能够有效表征人脸表情细节特征，且对噪声有一定的鲁棒性，且识别速度明显加快，具有实用性。
【IPC分类】G06K9-46, G06K9-00
【公开号】CN104778472
【申请号】CN201510202840
【发明人】童莹, 陈晨, 焦良葆
【申请人】南京工程学院
【公开日】2015年7月15日
【申请日】2015年4月24日