1.人脸表情识别方法,其特征在于,该方法包括以下步骤:A)输入人脸表情图像样本并进行几何校正和尺寸归一化的预处理;
B)用多尺度参数的MB-LBP算子对人脸表情图像进行纹理特征提取,获得图像的MB-LBP特征之后,进行统一模式的像素直方图统计;
所述人脸表情中的生气、厌恶和害怕表情类MB-LBP算子尺度参数设置为Scale=3×3;
高兴、悲伤和惊奇表情类MB-LBP算子尺度参数设置为Scale=5×5;
所述像素直方图统计的具体步骤如下:
1)对人脸表情图像,进行MB-LBP特征提取,获得MB-LBP特征图像;
2)将MB-LBP特征图像按照0-255的灰度级划分为256个收集箱;
3)按照灰度级的顺序,在每个收集箱中统计对应灰度级中像素的个数,获得MB-LBP统一模式直方图;
4)将MB-LBP统一模式的直方图归一化,获得图像的MB-LBP统一模式的直方图特征;
C)对人脸表情图像样本进行HOG特征提取;
D)将同类模式下的MB-LBP特征和HOG特征进行串联特征融合;
E)在融合的特征空间里,随机提取训练样本,并将剩余样本作为测试样本;
F)用训练样本进行PCA降维计算,获得投影矩阵W,将训练样本经过投影矩阵W投影到低维子空间,获得人脸表情图像在低维子空间的特征表示;
G)将测试样本通过投影矩阵W投影到低维子空间,用稀疏表示分类器对测试样本的特征进行分类,获得测试样本所属的类别。
2.根据权利要求1所述的人脸表情识别方法,其特征在于,所述MB-LBP的统一模式直方图特征维数为256维。
3.根据权利要求1所述的人脸表情识别方法,其特征在于,所述HOG的特征维数为1764维。
4.根据权利要求1所述的人脸表情识别方法,其特征在于,所述MB-LBP的统一模式的直方图特征与HOG特征进行串联融合,获得融合特征,融合特征维数为2020维。