专利名称：一种基于云模型的人脸表情识别方法
技术领域：
本发明涉及人脸表情识别技术领域，尤其涉及一种基于云模型的人脸表情识别方法。
背景技术：
云模型具有宏观精确、微观模糊、宏观可控、微观不可控的特点，其本质单位是云滴组成的概念云，思想是兼顾了随机性和模糊性。它把自然语言中的随机性和模糊性有机 地综合在一起，构成定性和定量相互间的映射，不但突破了概率统计中“硬计算”的局限性，而且解决了作为模糊集理论基石的隶属函数的固有缺陷，破除了粗集边界集的局限性，提供了一套解决数据挖掘中不确定性问题的新方法和新技术。云模型作为一种一般性的数学理论，巧妙地实现了定性定量之间的自由数学转换，其方法和技术发展至今，已经被广泛成功地应用于知识发现、空间数据挖掘、智能控制和大系统效能评估中，解决或解释自然、社会的问题或现象，并取得了显著的成效。云发生器(Cloud Generator,简称CG)指云模型的生成算法。云发生器建立起定性和定量之间相互联系、相互依存、性中有量、量中有性的映射关系，主要包括正向云发生器、逆向云发生器、X条件云发生器和Y条件云发生器。逆向云发生器(Backward Cloud Generator)是实现数值和其语言值之间的不确定性转换模型，是从定量到定性的映射。它将一定数量的精确数据有效转换为以恰当的定性语言值{Ex，En，He}表示的概念，并据此代表这些精确数据所反映的云滴整体。云滴对应精确数据的数量越多，反映的概念越确切。逆向云发生器是一个逆向的、间接的云生成过程，它把给定的符合某一分布规律的一组云滴Drop (Xi, CT (Xi))作为样本,Drop (Xi, CT (Xi))表示第i个云滴Xi在数域空间的定量位置及第i个云滴Xi代表该概念的确定度CT(Xi)，并产生描述云模型所对应的定性概念的三个数字特征(Ex，En，He)，如图I所示。通过正向云发生器和逆向云发生器，云模型就建立起了定性和定量之间相互联系、相互依存、性中有量、量中有性的映射关系。逆向云发生器的输入为Drop(XDCT(X1))ADrop(X2lCT(X2))A ......
Drop (xN, CT(Xn)),输出为(Ex, En, He, N),下面是基于拟合的逆向云发生器的具体算法(I)输入 Drop (X1, CT (X1))、Drop (x2, CT (X2))、......Drop (xN, CT (xN))；(2)将云期望方程c线性化，转化为以云滴为观测值、以期望和熵
%_■· -γ β C
为未知参数的观测方程，形成数据平差的误差方程组，然后采用间接平差法进行求解，得到期望值的最小二乘拟合值￡i;(3)根据步骤(2)所得期望值的最小二乘拟合值￡1,并根据公式
|y - Fi*!
计算熵的样本；
V— 2 In (( γ(χ))
(4)根据公式
权利要求
1.一种基于云模型的人脸表情识别方法，其特征在于，包括以下步骤 步骤一，对图像库中已有的人脸表情图像进行样本集训练，该样本集训练分为两类不同人的同一种表情和同一人的不同表情，即表情类和人脸类，并采用逆向云生成器提取样本集中每组人脸表情图像的云数字特征值{Ex，En, He}； 步骤二，将待识别的人脸表情图像读取成数据矩阵； 步骤三，将待识别人脸表情图像添入到样本集中任一组人脸表情图像A中，得到一组新的人脸表情图像A1，采用逆向云生成器得到该组新人脸表情图像A1的云数字特征值{Ex, En, He}； 步骤四，比较一组人脸表情图像A和一组新人脸表情图像A1的云数字特征值，并依据两组云数字特征值的前后差异来判定待识别人脸表情图像在样本集中匹配的唯一一组人脸表情图像。
2.根据权利要求I所述的基于云模型的人脸表情识别方法，其特征在于 所述的步骤四进一步包括以下子步骤 步骤4-1、比较一组人脸表情图像A和一组新人脸表情图像A1的云数字特征值，若期望值Ex、超熵值He、熵值En的前后差异不大于设定阈值，则待识别人脸表情图像与一组人脸表情图像A匹配；否则，将待识别人脸表情图像添入到样品集中另一组人脸表情图像A’中，重复步骤三 四，直至找到与待识别人脸表情图像匹配的唯一一组人脸表情图像，则人脸表情识别完成；若无法在样本集中找到与待识别人脸表情图像匹配的唯一一组人脸表情图像时，执行步骤4-2 ； 步骤4-2、该步骤进一步包括步骤 ①若无法在样本集中找到与待识别人脸表情图像匹配的人脸表情图像，则在其他图像库中重新执行步骤一 四，若在设定循环次数内、在新图像库中找到不止一组人脸表情图像与待识别人脸表情图像匹配，则执行步骤②；若在设定循环次数仍未找出与待识别人脸表情图像匹配的人脸表情图像，则匹配不成功，结束匹配； ②若在样本集中找到不止一组人脸表情图像与待识别人脸表情图像匹配，则减小设定阈值，重新执行步骤三 四，直至找到与待识别人脸表情图像匹配的唯一一组人脸表情图像。
3.根据权利要求I或2所述的基于云模型的人脸表情识别方法，其特征在于 所述的步骤一中的图像库为JAFFE库。
4.根据权利要求I或2所述的基于云模型的人脸表情识别方法，其特征在于 所述的逆向云发生器采用基于拟合的逆向云发生器算法。
5.根据权利要求I或2所述的基于云模型的人脸表情识别方法，其特征在于 所述的步骤一中提取样本集中每组人脸表情图像的云数字特征值{Ex，En, He}进一步包括以下子步骤 I. I将表情类和人脸类中每组人脸表情图像分别读取成数据矩阵； I.2采用逆向云发生器对步骤I. I中所得的每组数据矩阵分别进行图像特征提取，并获得每组数据矩阵所对应的人脸表情图像的云数字特征值{Ex，En, He}。
6.根据权利要求I或2所述的基于云模型的人脸表情识别方法，其特征在于 所述步骤二中将待识别人脸表情图像读取成数据矩阵前对其进行除噪音处理。
全文摘要
本发明公开了一种基于云模型的人脸表情识别方法，包括步骤一，对图像库中已有的人脸表情图像进行样本集训练，并采用逆向云生成器得到每组人脸表情图像的云数字特征值；二，将待识别人脸表情图像读取成数据矩阵；三，将待识别人脸表情图像添入到人脸表情样品集中任一组人脸表情图像A中，得到一组新人脸表情图像A1，采用逆向云生成器得到该组新人脸表情图像A1的云数字特征值；四，比较一组人脸表情图像A和一组新人脸表情图像A1的云数字特征值，并依据两组云数字特征值的前后差异判定待识别人脸表情图像所属类别。本发明方法运用云模型提取人脸表情图像的云数字特征，并对所提取的云数字特征进行对比与分析，从而实现人脸表情识别。
文档编号G06K9/00GK102880855SQ20121029338
公开日2013年1月16日 申请日期2012年8月16日 优先权日2011年8月16日
发明者王树良, 池荷花, 池莲花 申请人:武汉大学