申请/专利权人：苏州浪潮智能科技有限公司

申请日：2022-01-21

公开（公告）日：2024-02-13

公开（公告）号：CN114463813B

主分类号：G06V40/16

分类号：G06V40/16;G06V10/50;G06V10/77;G06V10/764

优先权：

专利状态码：有效-授权

法律状态：2024.02.13#授权;2022.05.27#实质审查的生效;2022.05.10#公开

摘要：本申请提供一种基于HOG特征的表情识别方法，包括：获取面部图像；提取所述面部图像的梯度方向直方图特征；利用主成分分析算法对所述梯度方向直方图特征进行降维；利用SVM模型学习所述梯度方向直方图特征确定若干弱分类器，并利用adaBoost模型根据若干所述弱分类器加权求和得到的增强分类器对所述梯度方向直方图特征进行识别，得到面部表情。本申请通过选择高权重区域的特征来提升分类性能，能够有效识别面部表情，提高面部表情的识别精度。本申请还提供一种基于HOG特征的表情识别系统、计算机可读存储介质和电子设备，具有上述有益效果。

主权项：1.一种基于HOG特征的表情识别方法，其特征在于，包括：获取面部图像；提取所述面部图像的梯度方向直方图特征；利用主成分分析算法对所述梯度方向直方图特征进行降维；利用SVM模型学习所述梯度方向直方图特征确定若干弱分类器，并利用adaBoost模型根据若干所述弱分类器加权求和得到的增强分类器对所述梯度方向直方图特征进行识别，得到面部表情；其中，获取面部图像之后，还包括：灰度化所述面部图像，并利用预设人脸检测算法提取所述面部图像中的人脸图像；其中，利用预设人脸检测算法提取所述面部图像中的人脸图像包括：将灰度图像和标记信息输入到Viola-Jones人脸检测模型中训练，训练完成后，将包含人脸的图像输入到人脸检测模型，得到人脸矩形框信息；根据矩形框信息从原图像中裁剪出人脸图片；采用双线性插值方法将裁剪图像的缩放到标准尺寸完成人脸图像获取；其中，提取所述面部图像的梯度方向直方图特征包括：采用Sobel边缘检测算子计算梯度幅值和方向；利用特征区域池化确定所述面部图像中包含所述梯度方向直方图特征的特征区域；进行所述特征区域的梯度方向直方图计算，得到梯度方向直方图特征；其中，利用特征区域池化确定所述面部图像中包含所述梯度方向直方图特征的特征区域包括：将所述面部图像划分成不同大小的特征区域；利用块特征区域提取梯度方向直方图特征中的大粒度特征，利用单元特征区域提取梯度方向直方图特征中的小粒度特征；其中，所述利用块特征区域提取梯度方向直方图特征中的大粒度特征，利用单元特征区域提取梯度方向直方图特征中的小粒度特征包括：利用块特征窗口扫描所述面部图像，得到包含大粒度特征的块特征区域；所述块特征区域包括横条状区域、矩形区域、竖条状区域、左斜条状区域和右斜条状区域；利用单元特征窗口扫描所述面部图像，得到包含小粒度特征的单元特征区域；其中，所述块特征区域由所述单元特征区域组合构成；其中，进行所述特征区域的梯度方向直方图计算，得到梯度方向直方图特征包括：将单元区域内所有像素的梯度方向量化到8个方向，则直方图的横轴表示对应梯度方向为，……，，梯度方向量化的公式为： ；其中，表示行列下标，的取值范围为；统计单元区域内的各个梯度方向上的像素的概率，并以梯度幅值进行加权： ；其中，表示特征区域的行数和列数；单元区域的梯度方向直方图特征即为各个梯度方向上的概率；根据块区域内的单元区域排列，按照从左到右、从上到下的顺序，将所有单元区域的梯度方向直方图特征连接一起，得到块区域的梯度方向直方图特征。

全文数据：

权利要求：

百度查询： 苏州浪潮智能科技有限公司 一种基于HOG特征的表情识别方法、系统及相关装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD