專利名稱：一種基于云模型的人臉表情識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及人臉表情識別技術(shù)領(lǐng)域，尤其涉及一種基于云模型的人臉表情識別方法。
背景技術(shù)：
云模型具有宏觀精確、微觀模糊、宏觀可控、微觀不可控的特點，其本質(zhì)單位是云滴組成的概念云，思想是兼顧了隨機性和模糊性。它把自然語言中的隨機性和模糊性有機地綜合在一起，構(gòu)成定性和定量相互間的映射，不但突破了概率統(tǒng)計中“硬計算”的局限性， 而且解決了作為模糊集理論基石的隸屬函數(shù)的固有缺陷，破除了粗集邊界集的局限性，提供了一套解決數(shù)據(jù)挖掘中不確定性問題的新方法和新技術(shù)。云模型作為一種一般性的數(shù)學理論，巧妙地實現(xiàn)了定性定量之間的自由數(shù)學轉(zhuǎn)換，其方法和技術(shù)發(fā)展至今，已經(jīng)被廣泛成功地應用于知識發(fā)現(xiàn)、空間數(shù)據(jù)挖掘、智能控制和大系統(tǒng)效能評估中，解決或解釋自然、社會的問題或現(xiàn)象，并取得了顯著的成效。云發(fā)生器(Cloud Generator，簡稱CG)指云模型的生成算法。云發(fā)生器建立起定性和定量之間相互聯(lián)系、相互依存、性中有量、量中有性的映射關(guān)系，主要包括正向云發(fā)生器、逆向云發(fā)生器、X條件云發(fā)生器和Y條件云發(fā)生器。逆向云發(fā)生器(Backward Cloud Generator)是實現(xiàn)數(shù)值和其語言值之間的不確定性轉(zhuǎn)換模型，是從定量到定性的映射。它將一定數(shù)量的精確數(shù)據(jù)有效轉(zhuǎn)換為以恰當?shù)亩ㄐ哉Z言值{Ex，En, He}表示的概念，并據(jù)此代表這些精確數(shù)據(jù)所反映的云滴整體。云滴對應精確數(shù)據(jù)的數(shù)量越多，反映的概念越確切。逆向云發(fā)生器是一個逆向的、間接的云生成過程，它把給定的符合某一分布規(guī)律的一組云滴Drop (xi; CT (Xi))作為樣本，Drop (xi CT (Xi)) 表示第i個云滴Xi在數(shù)域空間的定量位置及第i個云滴Xi代表該概念的確定度CT(Xi)， 并產(chǎn)生描述云模型所對應的定性概念的三個數(shù)字特征伍1工11，徹)，如

圖1所示。通過正向云發(fā)生器和逆向云發(fā)生器，云模型就建立起了定性和定量之間相互聯(lián)系、相互依存、性中有量、量中有性的映射關(guān)系。逆向云發(fā)生器的輸入為Drop (X1，CT (X1))、Drop (x2，CT (X2)).......Drop (xN，
CT(Xn))，輸出為(Ex，En, He, N)，下面是基于擬合的逆向云發(fā)生器的具體算法(1)輸入 Drop (X1, CT (X1))、Drop (x2，CT (X2)).......Drop (xN，CT (xN))；(2)將云期望方程
權(quán)利要求
1.一種基于云模型的人臉表情識別方法，其特征在于，包括以下步驟步驟一，對圖像庫中已有的人臉表情圖像進行樣本集訓練，該樣本集訓練分為兩類不同人的同一種表情和同一人的不同表情，即表情類和人臉類，并采用逆向云生成器提取樣本集中每組人臉表情圖像的云數(shù)字特征值步驟二，將待識別的人臉表情圖像讀取成數(shù)據(jù)矩陣；步驟三，將待識別人臉表情圖像添入到步驟一中所得的人臉表情樣本集中任一組人臉表情圖像A中，得到一組新的人臉表情圖像A1，采用逆向云生成器得到該組新人臉表情圖像 A1的云數(shù)字特征值；步驟四，比較一組人臉表情圖像A和步驟三所得一組新人臉表情圖像A1的云數(shù)字特征值，并依據(jù)兩組云數(shù)字特征值的前后差異判定待識別人臉表情圖像所屬類別，若期望值Λ 和超熵值的前后差異不大于0. 34+0. 0010，且熵值Jb的前后差異不大于0. 34+0. 0020， 則待識別人臉表情圖像與一組人臉表情圖像A匹配；否則，將待識別人臉表情圖像添入到步驟一中所得的人臉表情樣品集中另一組人臉表情圖像A’中，重復步驟三 四，直至找到與待識別人臉表情圖像匹配的一組人臉表情圖像。
2.根據(jù)權(quán)利要求1所述的基于云模型的人臉表情識別方法，其特征在于所述的步驟一中的圖像庫為JAFFE庫。
3.根據(jù)權(quán)利要求1或2所述的基于云模型的人臉表情識別方法，其特征在于所述的逆向云發(fā)生器采用基于擬合的逆向云發(fā)生器算法。
4.根據(jù)權(quán)利要求1或2所述的基于云模型的人臉表情識別方法，其特征在于所述的步驟一中提取樣本集中每組人臉表情圖像的云數(shù)字特征值丨、取BiM進一步包括以下子步驟1. 1將表情類和人臉類中每組人臉表情圖像分別讀取成數(shù)據(jù)矩陣；1.2采用逆向云發(fā)生器對步驟1. 1中所得的每組數(shù)據(jù)矩陣分別進行圖像特征提取，并獲得每組數(shù)據(jù)矩陣所對應的人臉表情圖像的云數(shù)字特征值。
5.根據(jù)權(quán)利要求1或2所述的基于云模型的人臉表情識別方法，其特征在于所述步驟二中將待識別人臉表情圖像讀取成數(shù)據(jù)矩陣前對其進行除噪音處理。
全文摘要
本發(fā)明公開了一種基于云模型的人臉表情識別方法，包括步驟一，對圖像庫中已有的人臉表情圖像進行樣本集訓練，并采用逆向云生成器得到每組人臉表情圖像的云數(shù)字特征值；二，將待識別人臉表情圖像讀取成數(shù)據(jù)矩陣；三，將待識別人臉表情圖像添入到人臉表情樣品集中任一組人臉表情圖像A中，得到一組新人臉表情圖像A1，采用逆向云生成器得到該組新人臉表情圖像A1的云數(shù)字特征值；四，比較一組人臉表情圖像A和一組新人臉表情圖像A1的云數(shù)字特征值，并依據(jù)兩組云數(shù)字特征值的前后差異判定待識別人臉表情圖像所屬類別。本發(fā)明方法運用云模型提取人臉表情圖像的云數(shù)字特征，并對所提取的云數(shù)字特征進行對比與分析，從而實現(xiàn)人臉表情識別。
文檔編號G06K9/62GK102254189SQ201110234790
公開日2011年11月23日 申請日期2011年8月16日 優(yōu)先權(quán)日2011年8月16日
發(fā)明者池荷花, 池蓮花, 王樹良 申請人:武漢大學