析，是屬于機器學(xué)習(xí)的范疇。它是針對線性可 分情況進行分析，對于線性不可分的情況，通過使用非線性映射算法將低維輸入空間線性 不可分的樣本轉(zhuǎn)化為高維特征空間使其線性可分。
[0031] (8):十折交叉驗證。指將數(shù)據(jù)集分成10份，輪流將其中9份作為訓(xùn)練數(shù)據(jù)，1份 作為測試數(shù)據(jù)，進行試驗。每次試驗都會得出相應(yīng)的正確率（或差錯率）。10次的結(jié)果的 正確率（或差錯率）的平均值作為對算法精度的估計，一般還需要進行多次10折交叉驗證 (例如10次10折交叉驗證），再求其均值，作為對算法準確性的估計。
[0032] 參見圖1，本發(fā)明的基于最大方向編碼的人臉表情識別方法具體實現(xiàn)包括下述步 驟：
[0033] 步驟1人臉檢測及人臉圖像預(yù)處理
[0034] 步驟1. 1人臉檢測
[0035] 對輸入的原始圖像進行人臉檢測與定位，例如采用Adaboost方法。利用含有人臉 和不含有人臉的圖像對分類器進行訓(xùn)練，其中含有人臉的圖像為正樣本，不含有人臉的圖 像為負樣本。
[0036] 1)求取訓(xùn)練樣本的四種Harr-Like特征，形成特征集。
[0037] 2)訓(xùn)練弱分類器，訓(xùn)練弱分類器的目的是為了確定閾值，使得對所有訓(xùn)練樣本的 分類誤差最低。
[0038] 3)級聯(lián)弱分類器形成強分類器。
[0039] 步驟1. 2人臉圖像預(yù)處理
[0040] 通過步驟1. 1得到人臉圖像后，進行尺度歸一化，擴大或縮小到預(yù)設(shè)尺寸大小，例 如256*256。若是彩色圖像則需要先進行圖像二值化獲得灰度圖像。為了獲得更精確的特 征提取及識別，可以對尺度歸一化后的灰度圖像進行直方圖均衡處理后再進行特征提取處 理。本【具體實施方式】中所采用的直方圖均衡處理具體為：將尺度歸一化后的灰度圖像分割 為預(yù)設(shè)尺寸（例如3*3)的圖像塊，得到每一塊區(qū)域圖像，再計算每一個區(qū)域圖像的直方圖， 按順序進行首尾相連，之后進行直方圖均衡，得到最終的待檢測圖像，用以進行人臉表情的 特征提取及識別處理。直方圖均衡的計算公式為：?％ _= …- 1，其中L是 圖像中灰度值總數(shù)，叫是灰度為rk的像素數(shù)目，r,為原直方圖分布中的第k種灰度值，n為 尺寸歸一化后的灰度圖像的總像素個數(shù)，&是r,經(jīng)過變化后的灰度值。
[0041] 步驟2表情特征提取
[0042] 分別以經(jīng)步驟1預(yù)處理后的圖像（待提取圖像）各像素點為中心，并計算各中心 像素點的八個方向響應(yīng)值，本【具體實施方式】中，采用Kirsch算子得到各中心像素點的八個 方向響應(yīng)值，即得到待提取圖像的各像素點的八個方向響應(yīng)值。
[0043] 然后基于本發(fā)明改進的LDP編碼方式（DLDP編碼）計算對應(yīng)的編碼值（DLDP):
[0044]DLDP= (8Max+Min)s(x)
[0045]
[0046] 其中，Max表示經(jīng)過Kirsch算子運算后得到的八個方向的響應(yīng)值中，最大響應(yīng)值 所在位置的二進制編碼（位置編碼方式為從〇〇〇到111)，Min表示最小的響應(yīng)值所在的位 置（從〇〇〇到111)，s(x)是關(guān)于最大響應(yīng)值與最小響應(yīng)值（八個方向的響應(yīng)值中）的差值 x的函數(shù)。若差值x小于預(yù)設(shè)閾值Th(本【具體實施方式】中，其值設(shè)置為243)，則s(x) =0， 即不對其編碼，將編碼值置為〇,即〇〇〇〇〇〇 (才用6位進行編碼）；若差值x大于或等于Th， 則s(x) = 1，對當(dāng)前像素點（中心像素點）進行編碼，其編碼為：用Max作為高位，Min作為 低位串接碼。最后取編碼的十進制值作為當(dāng)前像素點的特征值。參見圖2,圖中的"X"表示 當(dāng)前中心像素點，"（〇廠（7)"表示位置編號，方格內(nèi)的數(shù)字分別表示灰度值（2-a)、響應(yīng)值 (2-b)。從圖2-b所對應(yīng)的各響應(yīng)值可知，其最大響應(yīng)值為位置（4)的537,最小響應(yīng)值為位 置2的87,因兩者之差大于243,故當(dāng)前中心像素點的編碼為100與010的串接碼：100010， 即DLDP= 32 〇
[0047] 步驟3表情分類
[0048] 基于步驟2得到多幅具備對應(yīng)特征值的人臉圖像（分類圖像），并將其分為10份， 其中9份作為訓(xùn)練圖像，1份作為檢測圖像。將9份訓(xùn)練圖像輸入SVM進行訓(xùn)練，得到一個 初級SVM分類器，之后采用十折交叉驗證法，對樣本進行其他9次訓(xùn)練，得到9個初級SVM 分類器。最后將10個初級分類器級聯(lián)成為一個強分類器，即本發(fā)明表情識別所用的SVM分 類器。
[0049] 步驟4表情識別
[0050] 對輸入的原始圖像執(zhí)行步驟1，得到待識別的人臉圖像，執(zhí)行步驟2,得到待識別 人臉圖像各像素點的特征值后，再輸入步驟3得到的SVM分類器進行表情識別并輸出識別 結(jié)果。
[0051] 本發(fā)明改進了現(xiàn)有LDP的編碼方法，簡化特征維度和計算量，且降低了部分不同 像素使用同一種編碼值出現(xiàn)的頻率（參考表1，對于兩種響應(yīng)值，現(xiàn)有的LDP編碼的編碼值 相同，而本發(fā)明的DLDP的編碼值不同），相較于常用的LDP，PCA方法，又提高了精確度，在 DLDP中加入門限，提高對噪聲的干擾能力。
[0052] 表1 :DLDP與LDP編碼對比表
[0053]
[0054] 以上所述，僅為本發(fā)明的【具體實施方式】，本說明書中所公開的任一特征，除非特別 敘述，均可被其他等效或具有類似目的的替代特征加以替換；所公開的所有特征、或所有方 法或過程中的步驟，除了互相排斥的特征和/或步驟以外，均可以任何方式組合。
【主權(quán)項】
1. 基于最大方向編碼的人臉表情特征提取方法，其特征在于，包括下列步驟 對輸入的待處理人臉圖像進行預(yù)處理，得到待提取圖像，所述預(yù)處理包括：圖像灰度化 處理、尺寸歸一化處理； 分別W待提取圖像的各像素點為中屯、，計算各中屯、像素點的八個方向響應(yīng)值，并對各 響應(yīng)值所在位置進行二進制編碼； 查找各中屯、像素點的最大響應(yīng)值、最小響應(yīng)值，并記最大響應(yīng)值所在位置編碼為Max, 最小響應(yīng)值所在位置編碼為Min; 判斷與最小響應(yīng)值的差值是否小于預(yù)設(shè)闊值化，若是，則當(dāng)前中屯、像素點的編碼值為O;否則，當(dāng)前中屯、像素點的編碼設(shè)置為：Max為高位，Min為低位的串接碼； 將各中屯、像素點的編碼的十進制值作為其特征值，輸出待提取圖像的各像素點的特征 值。2. 如權(quán)利要求1所述的方法，其特征在于，基于Kirsch算子計算待提取圖像的各中屯、 像素點的八個方向響應(yīng)值。3. 如權(quán)利要求1或2所述的方法，其特征在于，所述預(yù)設(shè)闊值化的取值范圍為 200-300。4. 如權(quán)利要求1或2所述的方法，其特征在于，對輸入的待處理圖像進行預(yù)處理還包 括：將尺寸歸一化后的灰度圖像分割成預(yù)設(shè)尺寸的圖像區(qū)域，并計算每一個圖像區(qū)域的直 方圖，按順序進行首尾相連后，進行直方圖均衡處理，將直方圖分布中的第k種灰度值r,變 換為Sk,所述4二巧=。礦k二0，，L- 1，其中L為灰度圖像中灰度值總數(shù)，n,表示灰度值 為r,的像素數(shù)目，n為尺寸歸一化后的灰度圖像的總像素個數(shù)。5. 基于最大方向編碼的人臉表情識別方法，其特征在于，包括下列步驟： 步驟1 :輸入人臉圖像，基于權(quán)利要求1所述的人臉表情特征提取方法得到各人臉圖像 的像素點的特征值； 步驟2 :基于各人臉圖像的像素點的特征值進行SVM訓(xùn)練，得到SVM分類器； 步驟3 :輸入待識別人臉圖像，基于權(quán)利要求1所述的人臉表情特征提取方法得到待識 別人臉圖像的像素點的特征值，并基于步驟2得到的SVM分類器輸出當(dāng)前待識別人臉圖像 的表情識別結(jié)果。6. 如權(quán)利要求5所述的方法，其特征在于，所述步驟2中，采用十折交叉驗證法得到10 個初級SVM分類器，再將所有初級SVM分類器級聯(lián)得到SVM分類器。
【專利摘要】本發(fā)明公開了一種基于最大方向編碼的人臉表情特征提取及識別方法。本發(fā)明改進了LDP的原始編碼模式，即利用最大最小響應(yīng)值所在位置，將位置參數(shù)作為編碼值進行編碼，利用最大的響應(yīng)值、最小的響應(yīng)值的所在方向來確定一個目標像素，且當(dāng)最大的響應(yīng)值、最小的響應(yīng)值之差達到門限值才進行編碼。同時還公開了基于本發(fā)明的特征提取方法的人臉表情識別方法。本發(fā)明改進了現(xiàn)有LDP的編碼方法，簡化特征維度和計算量，利用周圍像素的明暗信息所代表的方向性進行編碼可以排除部分偶然重合的情況，提高編碼準確度，門限的引入排除了部分內(nèi)在外在誤差，提高了人臉表情特征提取方法的抗干擾能力。
【IPC分類】G06K9/62, G06K9/00
【公開號】CN105205460
【申請?zhí)枴緾N201510594355
【發(fā)明人】解梅, 張銳, 黃成揮, 李佩倫
【申請人】電子科技大學(xué)
【公開日】2015年12月30日
【申請日】2015年9月17日