專利名稱：基于證據理論的人臉表情識別方法
技術領域：
本發(fā)明屬于模式識別技術領域，具體涉及一種基于證據理論的人臉表情識別方法。
背景技術：
人臉表情識別技術就是通過分析特定人的臉部表情及變化，進而確定其內心情緒或思想活動。近十幾年來出現了很多人臉表情識別方法，但還沒有一個普遍的方法模型。大致來說，人臉表情識別算法可以分成兩大類，一類是針對靜態(tài)圖像，提取靜態(tài)圖像的形變特征，常用的方法有主成分分析法PCA(Principal Component Analysis)、Gabor小波變換法、基于模型的方法等，最后進行分類；還有一類是針對序列圖像，常用的方法有光流法、特征點跟蹤法和差分圖像法，然后進行分類，這類方法模型復雜，計算量大，實現實時性要 求較難。為了進一步提高識別率，可以有兩種途徑，一種是利用圖像序列的時間動態(tài)信息再利用HMM模型，對單幅靜態(tài)表情圖像，則可以利用信息融合的方法來進一步提高表情識別率。信息融合已成為現代信息處理的通用工具和思維模式。目前以模糊理論、神經網絡、證據理論等為代表的智能方法占有相當大的比例。對于人臉表情識別，提取人臉表情的全局特征和局部特征，融合這些特征信息會得到更好的識別率。

發(fā)明內容
本發(fā)明目的是解決現有單一信息源表情識別率低的問題，提出一種基于證據理論的人臉表情識別方法。該方法利用證據理論融合人臉全局特征識別結果和左眼局部特征識別結果。本發(fā)明提供的基于證據理論的人臉表情識別方法，包括以下步驟步驟I :采用JAFFE日本成年女性人臉表情數據庫作為訓練集，該數據庫由10個人的213幅圖像組成，每個人包含生氣、高興、害怕、厭惡、驚奇、悲傷、中性共7種表情各2 4幅圖像；自照表情數據庫由10個人的70幅圖像組成，每個人7種表情各I幅圖像，用該庫作為測試集；步驟2 :將人臉表情數據庫里的圖像剪切出只含人臉和只含左眼的圖像，經過圖像預處理，然后對人臉圖像尺度歸一化為125X 125，左眼圖像尺度歸一化為65X46，然后進行2DGabor小波變換，提取圖像的均值和方差作為特征；步驟3 :利用歐式距離分類器對表情進行分類；步驟4 :利用證據理論對利用證據理論對人臉圖像識別結果和左眼圖像識別結果兩個識別結果進行決策融合；其中，步驟2所述的2DGabor小波變換及圖像均值和方差的具體計算方法如下2DGabor小波變換描述了圖像/(幻上給定一點i = (U)附近區(qū)域的灰度特征，這可
以用一個卷積來定義A⑵=f/(5'池
2DGabor濾波器函數表示為^2「^2 Ii ^||2 ) _—
A⑷= 2^exp~ exp(/A^)-exp〔-+]，式中 fcos是濾波
a I 2ct Jl 12JJ ^-y-U-^J
器的中心頻率；f是給定位置的圖像像素點的坐標，i為復數算子，0為小波濾波器的帶寬；
&表示濾波器的方向；參數k 和&的取值如下< ==#f，這里選擇u = 10，1，
2,3,4}, u = {0,1,…，7}，即5個尺度和8個方向組成的40個2DGabor小波組成的小波族用于表情圖像特征的提??；利用2DGabor小波對表情圖像進行卷積，卷積后計算其均值和方差組成80維的特征向量結，j)為均值,為方差。Umn= MxN 'mn~\ MxN步驟3所述的歐氏距離為設n維歐式空間是一個點集，它的任一個點可以表示為(Xl，x2，…，xn)，兩個點X和y之間的距離d(x，y)定義為d(x，y) = ( E O^yi)2)1/2 ;相同的表情間的歐氏距離較近，而不同的表情之間則存在一定的距離；計算待識別表情圖像與所有的訓練圖像的歐氏距離，選擇最小的歐氏距離所對應的表情為識別出的結果，最后統(tǒng)計識別結果。步驟4所述的證據理論融合方法為假定辨識框架 下有兩個相互獨立的證據源，其焦元分別為Ai和Bj，其對應的基本信任度分配函數分別為Hi1和m2，設X，AijBj e 0，則DST合成規(guī)則為m{X) = W1 十 W2 = < -—- (I 本 ￠)
I-A
0(X = ￠)式中稱為矛盾因子，它反映了兩個證據之間的矛盾程
Ai r^Bj = 度。本發(fā)明的理論依據2DGabor小波變換廣泛應用于圖像處理和模式識別領域，是因為2DGabor小波能很好地描述哺乳動物初級視覺神經元的感受特性，在消除空域和頻域二維聯合不確定性方面是最優(yōu)的，它可以看成是方向和尺度可調的邊界和直線檢測器，是很好的圖像分析方法；而且2DGabor小波變換在提取特征時處理的數據量少而且受光照影響比較小。所以可以通過2DGabor小波變換，提取圖像的均值和方差作為紋理特征。表情特征向量可以看做是n維空間中的一點，而歐氏距離是n維空間中兩個點之間的真實距離，即兩項間的差是每個變量值差的平方和再平方根，計算其間的整體距離，即不相似性。因此相同的表情間的歐氏距離較近，而不同的表情之間則存在一定的距離，歐式距離能在表情識別中得到很好的應用。本文正是利用歐氏距離來求測試表情圖像和訓練樣本之間的相似度。Dempster-Sharer證據理論是決策級信息融合方法的一種，它可以處理那些由于對研究對象的不可知而引起的不確定性問題，是不確定推理領域的主流理論之一。自提出以來，已經成功地解決了各個領域的許多不確定信息的處理問題。
本發(fā)明的優(yōu)點和有益效果本發(fā)明融合人臉表情的全局特征和局部特征的識別結果，最后的識別效果得到明顯提聞。


圖I是表情數據庫里的驚訝圖像剪切為只含人臉的圖像和左眼圖像；圖2是左眼圖像2DGabor小波變換后的圖像。
具體實施例方式實施例I本發(fā)明提供的基于證據理論的人臉表情識別方法包括以下步驟1，采用JAFFE日本成年女性人臉表情數據庫作為訓練集，該數據庫由10個人的213幅圖像組成，每個人包含生氣、高興、害怕、厭惡、驚奇、悲傷、中性共7種表情各2 4幅圖像；自照表情數據庫由10個人的70幅圖像組成，每個人7種表情各I幅圖像，用該庫作為測試集。2，把自照表情庫里一幅待識別表情圖像剪切出只含人臉和只含左眼的圖像，圖像預處理后，進行2DGabor小波變換，然后計算其均值和方差。表I
權利要求
1.基于證據理論的人臉表情識別方法，其特征在于該方法包括以下步驟 步驟I :采用JAFFE日本成年女性人臉表情數據庫作為訓練集，該數據庫由10個人的213幅圖像組成，每個人包含生氣、高興、害怕、厭惡、驚奇、悲傷、中性共7種表情各2 4幅圖像；自照表情數據庫由10個人的70幅圖像組成，每個人7種表情各I幅圖像，用該庫作為測試集； 步驟2 :將人臉表情數據庫里的圖像剪切出只含人臉和只含左眼的圖像，經過圖像預處理，然后對人臉圖像尺度歸一化為125X 125，左眼圖像尺度歸一化為65X46，然后進行2DGabor小波變換，提取圖像的均值和方差作為特征； 步驟3 :利用歐式距離分類器對表情進行分類； 步驟4 :利用證據理論對人臉圖像識別結果和左眼圖像識別結果兩個識別結果進行決策融合。
2.根據權利要求I所述的方法，其特征在于，步驟2所述的2DGabor小波變換及圖像均值和方差的具體計算方法如下 2DGabor小波變換描述了圖像/(5)上給定一點f = (x,_y)附近區(qū)域的灰度特征，這可以用一
3.根據權利要求I所述的方法，其特征在于，步驟3所述的歐氏距離為 設n維歐式空間是一個點集,它的任一個點可以表示為(X1, X2,…，xn),兩個點X和y之間的距離d(x，y)定義為d(x，y) = ( E (XiIi)2)1/2 ;相同的表情間的歐氏距離較近，而不同的表情之間則存在一定的距離；計算待識別表情圖像與所有的訓練圖像的歐氏距離，選擇最小的歐氏距離所對應的表情為識別出的結果，最后統(tǒng)計識別結果。
4.根據權利要求I所述的方法，其特征在于，步驟4所述的DST證據理論融合方法為 假定辨識框架 下有兩個相互獨立的證據源，其焦元分別為Ai和Bj，其對應的基本信任度分配函數分別為Hi1和m2，設X，AijBj e 0，則DST合成規(guī)則為m(X) = Jn1 m2 = < -j本 ￠) O(X = ^式中I = j’ K稱為矛盾因子，它反映了兩個證據之間的矛盾程度。 Ai r^Bj =
全文摘要
一種基于證據理論的人臉表情識別方法。本發(fā)明用的是表情數據庫是日本女性人臉表情數據庫JAFFE和自照表情數據庫，所述方法首先將表情庫中的圖像分割出只含人臉及只含左眼的圖像，經過圖像預處理，尺度歸一化，然后對這些人臉圖像及左眼圖像進行2DGabor小波變換提取特征，并進行表情識別，得到兩個獨立的識別結果。最后，利用證據理論對兩個識別結果進行決策融合。仿真實驗表明通過融合全局特征和局部特征，表情識別效果很顯著。
文檔編號G06K9/62GK102629321SQ201210087679
公開日2012年8月8日 申請日期2012年3月29日 優(yōu)先權日2012年3月29日
發(fā)明者王茂榕, 萇浩, 趙彩敏, 趙思寧, 邢志廣, 魏臻 申請人:天津理工大學