专利名称：基于改进的免疫算法优化支持向量机参数的表情识别方法
技术领域：
本发明涉及一种模式识别领域的识别方法，具体涉及一种基于改进的免疫算法优 化支持向量机参数的表情识别方法。
背景技术：
随着人机交互与情感计算技术的快速发展，人脸表情识别已成为研究的热点。由 于人脸表情包含丰富的行为信息，因此对人脸表情进行识别有利于了解人类的情感等心理 状态，并可进行有效地人机交互。人脸表情识别涉及心理学、生物学、病理学、计算机科学等 研究领域。可见，人脸表情识别的进展对提高人工情感智能水平和探索人类情感及认知能 力极具科学意义，并将促进相关学科的发展。人脸表情识别是基于视觉信息对脸部的运动 意义，以及脸部特征的形变进行分类，主要包括人脸检测，人脸表情特征提取和表情分类， 其中表情分类是人脸表情识别的重点和难点。目前用于表情分类的方法可分为时空域方法和空域方法两类。其中时空域方法 包括隐马尔科夫模型方法、回归神经网络方法、空时运动能量模板方法等；空域方法包括神 经网络方法、支持向量机方法、AdaBoost方法、基于规则推理的方法、主成分分析、独立分 量分析、Fisher现行判别分析等。近年来，隐马尔科夫模型、人工神经网络、支持向量机和 AdaBoost算法等成为主流的表情分类方法。其中，支持向量机作为一种模式识别方法，具有 出色的学习性能和机构风险最小化的优点，其能够解决小样本情况下的学习问题，用于进 行表情识别，获得了比其他方法更高的识别精确性和鲁棒性。传统的支持向量机的参数选 取都是通过反复的试验来获得的，存在着人为选择的随机性，而通过交叉验证的方法来选 择参数，虽然克服了人为的随机性，但需要耗费大量的时间。综上所述，现有的表情识别领域支持向量机参数寻优技术难以保证在在较短的时 间内寻找到支持向量机的最优参数，因而无法得到人脸表情的最佳识别效果。技术内容本发明针对现有技术存在的上述不足，提供一种基于改进的免疫算法优化支持向 量机参数的表情识别方法。利用人工免疫算法所具备的局部搜索能力和全局搜索能力对支 持向量机进行参数寻优，得到最优的表情分类效果。本发明的上述目的是这样实现的，结合
如下1)将人脸表情图像库中表情图像按照七种表情分为七类，即愤怒、厌恶、恐惧、高 兴、中性、悲伤和惊讶(见图2)。2)对图像库中原始图像进行预处理，包括特征点定位、特征区域分割、尺寸归一 化和光照归一化(见图3)。3)利用局部Gabor滤波器组及二维核主成分分析算法对预处理后的表情图片进 行特征提取及特征降维。4)利用改进的人工免疫算法优化支持向量机参数，为了实现支持向量机参数的自 动选择以及控制参数搜寻方向，将改进的人工免疫算法与支持向量机进行结合，构造了改进的人工免疫算法——支持向量机模型，实现支持向量机参数自动优化。利用找到最优参 数的支持向量机进行人脸表情分类。5)利用日本女性面部表情数据库、剑桥大学表情库和耶鲁大学表情库进行人脸表 情分类实验，都能够取得很好的识别精度。与现有技术相比，本发明的优点和效果在于构造了改进的人工免疫算法——支持 向量机模型，利用改进的人工免疫算法控制支持向量机的参数选择方向，实现支持向量机 参数自动优化并最终实现人脸表情的精确分类。本发明所提供的技术方案的积极效果是1)全局搜索能力人工免疫算法是一个具有全局搜索能力的优化算法，算法在对 优质抗体邻域进行局部搜索的同时利用变异算子和种群刷新算子不断产生新个体，探索可 行解区间的新区域，保证算法在完整的可行解区间进行搜索，具有全局收敛性能。2)局部搜索能力采用具有较强局部搜索能力的离散粒子群算法作为人工免疫 算法的局部搜索算子，保证算法在具有较强的全局搜索能力的同时，又具有较强的局部搜 索能力。综合利用人工免疫算法全局收敛性好和离散粒子群局部搜索能力强的特点，形成 新的智能优化算法。3)多样性保持机制人工免疫算法借鉴了生物免疫系统的多样性保持机制，对抗 体进行浓度计算，并将浓度计算的结果作为评价抗体个体优劣的一个重要因素，使浓度高 的抗体被抑制，保证抗体种群具有很好的多样性，这也是保证算法全局收敛性能的一个重 要原因。4)鲁棒性强人工免疫算法不针对特定问题，而且不强调算法参数设置和初始解 的质量，利用其启发式的智能搜索机制，即使起步于劣质解种群，最终也可以搜索到问题的 全局最优解，对问题和初始解的依赖性不强，具有很强的适应性和鲁棒性。5)并行分布式搜索机制人工免疫算法不需要集中控制，可以实现并行处理。而 且，人工免疫算法的优化进程是一种多进程的并行优化，在探求问题最优解的同时可以得 到问题的多个次优解，即除找到问题的最佳解决方案外，还会得到若干较好的备选方案，尤 其适合于多模态的优化问题。
本发明将通过示例，参考下述附图以更进一步的阐述图1为本发明的工作流程框图。图2为部分原始表情图片。图3为预处理后部分表情图片。图4为全局与局部Gabor滤波器组，其中(a) 4个频率8个方向的全局Gabor滤波器组，(b)4个频率8个方向的局部 Gabor滤波器组，(c) 4个频率8个方向的局部Gabor滤波器组，(d) 3个频率8个方向的全 局Gabor滤波器组，(e) 3个频率8个方向的局部Gabor滤波器组，(f) 3个频率8个方向的 局部Gabor滤波器组。图5为改进的人工免疫算法流程。
具体实施例方式本发明提供了一种基于改进的免疫算法优化支持向量机参数的表情识别方法，构 造了改进的人工免疫算法——支持向量机模型。具体步骤如下1)设计编码方案，构造初始抗体设计抗体基因编码方案是基于先粗搜索后精搜索的思想。粗搜索是为了快速定位 最优参数的区间范围，提高搜索效率；精搜索是为了得到更准确、更优的参数。每一个抗体 由支持向量机的核函数参数ο、正则化参数Y、σ增量Δ σ、Y增量Δ Y四部分组成。实 际应用中这些参数采用对数形式在寻优方式上效果较好。在以2为底的对数坐标系中，σ 和Y分别作为横、纵坐标，以Ιο&σ，Iog2Y的整数值作为区间分隔线，把坐标系分割成若 干矩形区域。首先通过粗搜索确定最优(σ，Y)所在的区域，然后再在该区域内按横、纵坐 标的精度要求搜索。本文设定参数ο的取值范围为[2-5，25]，精度为2_5，其指数采用二进 制编码，编码长度为5位，其中最高位表示符号位，1表示指数是负数，O表示指数是正数，如 2_5编码表示为10101。参数γ的取值范围为『二巧，精度为广，编码长度为日，如〗15: 进制编码表示为01111。Δ σ、Δ Υ分别表示在粗搜索得到的区域边界基础上的增量，增量 用十进制表示，每次增量大小分别是横纵坐标搜索精度的整数倍。这种编码方式的优点是 先进行粗搜索寻优，然后再在局部空间上精确寻优，有利于加快寻优速度。2)产生初始抗体生成初代抗体时，为防止产生的个体过于集中在某一区域影响算法的性能，采用 了分区产生个体的方法。从1ο&σ、1ο&Υ的整数值组合中随机抽取N种组合组成抗体。 设抗体规模N为20。3)计算抗体与抗原的亲和度根据支持向量机模型的原理，定义类间的几何间隔作为评价标准，因此抗原与抗 体的亲和度定义为f = 1/I |w| I2(1)其中| |w| |2表示每一对参数(σ，Y)确定的最优超平面权重向量w的几何间隔。 支持向量机分类器就是通过训练样本来寻找最优模型参数，而在最优模型参数下的几何间 隔是实现了最大间隔超平面的几何间隔。4)克隆选择按照最佳抗体选择率opR的比率从初始抗体中选择η个与抗原具有最高亲和度的 抗体进行克隆扩增，产生对应的克隆细胞集合C^根据克隆选择原理，抗体与抗原的亲和度 越大，抗体产生的克隆细胞数量越多。对η个选择细胞按亲和力度从小到大的顺序排序，克 隆细胞的数量按下式计算
ηNc :》η 、α χ N / ,η 二 opR xN(2)
i=l其中N。为η个抗体产生的克隆细胞总数；α为克隆乘数因子，用于控制克隆群体 的规模；int(g)为取整函数。5)克隆变异应用式(3)对克隆的抗体进行随机变异操作，实现亲和度的成熟，产生具有更高 亲和度的抗体细胞
Ci = rand (Nc, μ Nc)(3)其中rand(N。，μ Nc)为随机函数，表示从N。中随机抽取μ Nc个变量；μ为抗体的 变异率，μ = l/d，d为基因串长度。生物免疫系统抗体变异的实质是基因片断的重组，使得子代抗体与抗原的亲和度 得以迅速提高，而且与抗原具有较大亲和度的抗体具有较小的变异。计算Ci和 .组成的集 合C中的抗体细胞与抗原的亲和度f。按照再次选择率的比率选择C中若干个与抗原具有 最高亲和度的抗体作为部分记忆细胞Rp。6)将离散粒子群与人工免疫算法混合应用，利用离散粒子群作为人工免疫算法的 局部搜索算子，以Rp作为离散粒子群的初始种群进行一定次数的优化迭代，然后将优化得 到的最优解作为人工免疫算法下一代的抗体Rq。7)抗体抑制去除Rq中抗体浓度大于阈值的抗体，产生新的记忆集Rk，实现免疫系统克隆抑制 的效果。抗体的浓度用信息熵来描述。把部分记忆细胞Rk合并到记忆细胞集合R(R— [R； Rk])中。8)按照最差抗体选择率的比率，随机产生若干个抗体替换记忆细胞集合R中亲和 度较低的个体，体现免疫系统的自组织功能。9)从该代抗体中选择亲和度大的N个抗体，返回步骤3)，进行下一代的网络学习， 直至达到设定的迭代要求(如迭代达到抗原与记忆细胞的平均亲和度达到了预定的误差 范围等)。上述算法的核心是保持网络抗体代代克隆、变异及抑制的操作，最终产生记忆数 据集。算法参数的选择原则如下初始化抗体个数N根据经验选定，其大小不影响结果，但 选择过大会影响计算速度，过小则体现不了抗原特征，一股取N= 20。克隆乘数因子α的 选择取决于初始抗体的个数N ；最佳抗体选择率一股取初始抗体的10% 20%，但其取值 应保证每代至少有一个最优抗体克隆扩增；最差抗体选择率体现免疫系统的自组织特性， 一股取值不应超过10%。从抗体多样性的角度考虑，再次选择率可以取较大的值，一股取克 隆细胞的10%作为部分记忆细胞。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精 神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围 之内，则本发明也意图包含这些改动和变型在内。
权利要求
一种基于改进的免疫算法优化支持向量机参数的表情识别方法，其特征在于，包括如下步骤步骤一，将人脸表情图像库中表情图像按照七种表情分为七类，即愤怒、厌恶、恐惧、高兴、中性、悲伤和惊讶；步骤二，对图像库中原始图像进行预处理，包括特征点定位、特征区域分割、尺寸归一化和光照归一化；步骤三，利用局部Gabor滤波器组及二维核主成分分析法对预处理后的表情图片进行特征提取及特征降维；步骤四，利用改进的人工免疫算法优化支持向量机参数，将改进的人工免疫算法应用到支持向量机参数优化过程中，为了实现支持向量机参数的自动选择以及控制参数搜寻方向，将改进的人工免疫算法与支持向量机进行结合，构造了改进的人工免疫算法——支持向量机模型，控制参数的选择方向，实现支持向量机参数自动优化，利用找到最优参数的支持向量机进行人脸表情分类；步骤五，利用日本女性面部表情数据库、剑桥大学表情库和耶鲁大学表情库进行人脸表情分类实验，以提高识别精度。
2.根据权利要求1所述的基于改进的免疫算法优化支持向量机参数的表情识别方法， 其特征在于，步骤二所述的预处理是通过改进的苏珊算子定位特征点，完成特征区域分割， 对原始表情图片进行归一化处理，并对归一化后的表情图片进行光照补偿和直方图均衡化 处理。
3.根据权利要求1所述的基于改进的免疫算法优化支持向量机参数的表情识别方法， 其特征在于，步骤三所述的特征提取是通过局部Gabor滤波器组提取表情图片特征，使得 能用较少的特征维数准确地表征图片信息，并通过二维核主成分分析算法进一步对所提特 征进行降维，以缩短表情识别时间。
4.根据权利要求1所述的基于改进的免疫算法优化支持向量机参数的表情识别方法， 其特征在于，步骤四所述的支持向量机参数自动优化是通过构造改进的人工免疫算法—— 支持向量机模型实现的，其步骤为步骤一，设计编码方案，构造初始抗体； 步骤二，产生初始抗体； 步骤三，计算抗体与抗原的亲和度； 步骤四，克隆选择与克隆变异；步骤五，将离散粒子群与人工免疫算法混合应用，利用离散粒子群作为人工免疫算法 的局部搜索算子，以人工免疫算法中对优选的抗体进行克隆和随机变异后得到的结果作为 离散粒子群的初始种群进行一定次数的优化迭代，然后将优化得到的最优解作为人工免疫 算法下一代的抗体； 步骤六，抗体抑制；步骤七，按照最差抗体选择率的比率，随机产生若干个抗体替换记忆细胞集合和中亲 力较低的个体，体现免疫系统的自组织；步骤八，从该代抗体中选择亲和度大的N个抗体，返回步骤三，进行下一代的网络学 习，直至达到设定的迭代要求。
5.根据权利要求4所述的基于改进的免疫算法优化支持向量机参数的表情识别方法， 其特征在于，所述的步骤一是基于先粗搜索后精搜索的思想来设计抗体基因编码方案，每 一个抗体由支持向量机的核函数参数σ、正则化参数γ、σ增量Δ σ、Υ增量Δ Υ四部 分组成，上述参数采用对数形式在寻优，在以2为底的对数坐标系中，ο和Y分别作为横、 纵坐标，以1ο&σ，Iog2Y的整数值作为区间分隔线，把坐标系分割成若干矩形区域，首先 通过粗搜索确定最优(ο，Y)所在的区域，然后再在该区域内按横、纵坐标的精度要求搜 索，设定参数σ的取值范围为[2_5，25]，精度为2_5，参数y的取值范围为『二15]，精度为 2—1，Δ σ , Δ y分别表示在粗搜索得到的区域边界基础上的增量，增量用十进制表示，每次 增量大小分别是横纵坐标搜索精度的整数倍。
6.根据权利要求4所述的基于改进的免疫算法优化支持向量机参数的表情识别方法， 其特征在于，所述的步骤二产生初始抗体时，为防止产生的个体过于集中在某一区域而影 响算法的性能，采用了分区产生个体的方式，从Iog2Q、Iog2Y的整数值组合中随机抽取N 种组合组成抗体，设抗体规模N为20。
7.根据权利要求4所述的基于改进的免疫算法优化支持向量机参数的表情识别方法， 其特征在于，所述的步骤三计算抗体与抗原的亲和度是根据支持向量机模型，定义类间的 几何间隔作为评价标准，因此抗原与抗体的亲和度定义为f = i/l |w| |2，其中| |w| |2表示 每一对参数(σ，Y)确定的最优超平面权重向量w的几何间隔。
8.根据权利要求4所述的基于改进的免疫算法优化支持向量机参数的表情识别方法， 其特征在于，所述的步骤四克隆选择是按照最佳抗体选择率的比率从初始抗体中选择η个 与抗原具有最高亲和度的抗体进行克隆扩增，产生对应的克隆细胞集合G ；克隆变异是对 克隆的抗体进行随机变异操作，实现亲和度的成熟，产生具有更高亲和度的抗体细胞Ci，计 算Ci和 .组成的集合C中的抗体细胞与抗原的亲和度f，按照再次选择率的比率选择C中 若干个与抗原具有最高亲和度的抗体作为部分记忆细胞Rp。
9.根据权利要求4所述的基于改进的免疫算法优化支持向量机参数的表情识别方法， 其特征在于，所述的步骤六抗体抑制是去除Rq中抗体浓度大于阈值的抗体，产生新的记忆 集，实现免疫系统克隆抑制的效果，抗体的浓度用信息熵来描述。全文摘要
本发明涉及一种模式识别领域的识别方法，具体涉及一种基于改进的免疫算法优化支持向量机参数的表情识别方法。其目的在于利用改进的人工免疫算法所具备的局部搜索能力和全局搜索能力对支持向量机的参数进行寻优，以得到最优的表情分类效果。本发明采用将人脸表情图像库中表情图像按照七种表情分为七类；对图像库中原始图像进行预处理；利用局部Gabor滤波器组及二维核主成分分析法对预处理后的表情图片进行特征提取及特征降维；利用改进的人工免疫算法优化支持向量机参数；利用表情数据库进行人脸表情分类实验等步骤，将改进的人工免疫算法应用到支持向量机参数优化过程中，实现支持向量机参数自动优化并最终实现人脸表情的精确分类。
文档编号G06K9/62GK101968853SQ201010509570
公开日2011年2月9日 申请日期2010年10月15日 优先权日2010年10月15日
发明者万川, 刘帅师, 李栋, 王新竹, 田彦涛, 陈宏伟, 隋振 申请人:吉林大学